Universitat Politècnica de València Programa de Doctorado ...digital.csic.es/bitstream/10261/132708/1/Tesis-Nolberto.pdf · 1961), el Simplex Multicriterio (Steuer, 1989), el método

Universitat Politècnica de València

Programa de Doctorado en Diseño,

Fabricación y Gestión de Proyectos Industriales

PROCEDIMIENTO FUNDAMENTADO EN LA

PROGRAMACIÓN LINEAL PARA LA

SELECCIÓN DE ALTERNATIVAS EN

PROYECTOS DE NATURALEZA COMPLEJA

Y CON OBJETIVOS MÚLTIPLES

Doctorando: Nolberto Munier

Directores:

Dr. Pablo Aragonés Beltrán, Universitat Politècnica de València

Dr. Fernando Jiménez Sáez, Universitat Politècnica de València

Valencia, Setiembre de 2011

AGRADECIMIENTOS

Deseo dejar constancia de mi reconocimiento a mis dos Directores de Tesis:

Dr. Pablo Aragonés Beltrán y Dr. Fernando Jiménez Sáez de la Universidad Politécnica

de Valencia que aunaron esfuerzos para hacerme comprender aspectos que hoy me

resultan obvios, pero que no lo fueron para mí en su momento. Deseo agradecer su guía,

su paciencia, su buena voluntad y su firmeza para hacerme consciente cuando estuve

equivocado, como también sus palabras de aliento cuando estaba por el buen camino.

Hago extensivo mi agradecimiento a:

Dr. Enrique Calderón Banzategui, quien hace ya años evaluó y confió en un

rudimentario esquema del método Simus, recomendó su aplicación en una población

española y me introdujo en un importante organismo internacional en donde me fue

posible exponer el método.

Dr. Javier Curiel Díaz que me brindó, aparte de su inestimable amistad, la riqueza de

sus sugestiones y consejos.

Dr. Francisco Guijarro Martínez, por su desinteresada ayuda y por sus agudos planteos,

que me hicieron pensar….lo cual, indudablemente benefició al método.

Dr. Carlos Romero López quien me brindó la dosis de confianza que necesitaba al

avalar un nuevo método matemático y que aportó muy útiles sugerencias.

A directores de planeamiento urbano en las ciudades de Córdoba y San Francisco

(Argentina), Santo André (Brasil), Hull y Clarence-Rockland (Canadá), León (España),

Rotterdam (Holanda), Guadalajara y León (México), Ministerio del Medio Ambiente

(Gobierno de Canadá), Banco Mundial (EE.UU) que facilitaron información estadística

para la aplicación del método en sus respectivas ciudades y entornos, y de los cuales

extraje una gran experiencia que se volcó en esta tesis.

La génesis de este trabajo se remonta a muchos años atrás cuando en la Universidad

Nacional de Buenos Aires, y de la mano de mi maestro, el ingeniero Isidoro Marín,

aprendí los rudimentos de la Programación Lineal, técnica que me fascinó desde

entonces cuando alcancé a ver sus posibilidades. Este trabajo puede considerarse como

una materialización de ese anhelo de emplear esta magnífica herramienta en otras

actividades.

ii

A mi madre Isabel, mi padre Ángel, hermana Haydée, y tíos

Rosa y Antonio, in memoriam

A mi esposa Alicia, y a mis hijos Daniel y Michelle quienes

compartieron y comparten mis inquietudes y de quienes recibí

el mejor apoyo y aliento que alguien pueda pedir

iv

TABLA DE CONTENIDO

AGRADECIMIENTOS ................................................................................................................................ I

CAPÍTULO 1 INTRODUCCIÓN ................................................................................................................ 1

1.1 ANTECEDENTES Y JUSTIFICACIÓN ............................................................................................................... 1

1.2 OBJETIVOS DE ESTE TRABAJO .................................................................................................................... 2

1.3 LA NATURALEZA DEL PROYECTO COMPLEJO .................................................................................................. 4

1.4 DESCRIPCIÓN DEL DOCUMENTO ................................................................................................................ 6

CAPÍTULO 2 ESTADO DEL ARTE DE LOS MÉTODOS EXISTENTES PARA LA TOMA DE DECISIONES .... 7

2.1 ANTECEDENTES ..................................................................................................................................... 7

2.2 NECESIDAD DE DISPONER DE MODELOS MATEMÁTICOS .................................................................................. 8

2.2.1 Familias de métodos ................................................................................................................. 8

2.3 MÉTODO ELECTRE (ÉLIMINATION ET CHOIX TRADUISANT LA RÉALITÉ) .............................................................. 8

2.3.1 Fundamentos del método ......................................................................................................... 8

2.3.2 Aplicaciones ............................................................................................................................ 10

2.4 MÉTODO PROMETHEE (PREFERENCE RANKING ORGANIZATION METHOD FOR ENRICHMENT EVALUATIONS) ......... 10

2.4.1 Fundamentos del método ....................................................................................................... 10

2.4.2 Operación ............................................................................................................................... 12

2.4.3 Aplicaciones ............................................................................................................................ 12

2.5 MÉTODO AHP (ANALYTIC HIERARCHY PROCESS) ....................................................................................... 12

2.5.1 Fundamentos del método ....................................................................................................... 12

2.52 Mecánica y etapas del método ................................................................................................ 13 2.5.2.1 Determinación de pesos de los criterios .......................................................................................... 13 2.5.2.2 Valoración de alternativas ............................................................................................................... 14

2.5.3 Aplicaciones ............................................................................................................................ 14

2.5.4 Método ANP (The Analytic Network Process for Decision Making with Dependence and

Feedback) ........................................................................................................................................... 15

2.6 MÉTODO MULTI-ATTRIBUTE UTILITY THEORY (MAUT)............................................................................... 15

2.7 MÉTODO DE PROGRAMACIÓN LINEAL (PL) ............................................................................................... 16

2.7.1 Breve historia de la técnica ..................................................................................................... 16

2.7.2 Fundamentos de la Programación Lineal ................................................................................ 16

2.7.3 Metodología de la PL aplicada la resolución problemas de decisión ...................................... 19

2.7.4 Modelado de una situación real .............................................................................................. 21

2.7.5 Aplicaciones ............................................................................................................................ 21

2.7.6 Fundamentos de la Programación por Metas (Goal Programming) ....................................... 22

2.7.7 Método Simplex multiobjetivo ................................................................................................ 22

2.8 MÉTODO TOPSIS (TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SITUATION) ............................. 23

2.8.1 Fundamentos del método ........................................................................................................ 23

2.8.2 Aplicaciones ............................................................................................................................ 24

2.9 COMPARACIÓN DE RESULTADOS ALCANZADOS POR LOS DISTINTOS MODELOS EN UN CASO ESPECÍFICO .................. 24

2.9.1 Estudio comparativo de un caso: Revalorización del aeropuerto de Maastricht .................... 24

2.9.2 Resumen sobre las dificultades encontradas .......................................................................... 25

2.10 COMPARACIÓN ENTRE MODELOS ........................................................................................................... 25

CAPÍTULO 3 EL PROCEDIMIENTO SIMUS .................................................................................... 27

vi

3.1 FUNDAMENTOS DE SIMUS ..................................................................................................................... 27

3.1.1 Análisis del problema y relación con otras técnicas afines ..................................................... 27

3.1.2 Mecánica operativa ................................................................................................................ 28

3.1.3 Arquitectura de Simus ............................................................................................................. 29

3.2 DIAGRAMA DE FLUJO PARA LA APLICACIÓN DE SIMUS A PROBLEMAS DE TIPO 1................................................... 30

3.2.1 Fuentes .................................................................................................................................... 30

3.2.2 Fase de Análisis ....................................................................................................................... 32

3.2.3 Fases de modelación y resultados ........................................................................................... 34

3.3 DIAGRAMA DE FLUJO PARA LA APLICACIÓN DE SIMUS A PROBLEMAS DE TIPO 2 ................................................ 35

3.3.1 Fuentes .................................................................................................................................... 35

3.3.2 Fase de Análisis ....................................................................................................................... 35

3.3.3 Fases de modelación y resultados ........................................................................................... 36

DÉCIM 3.4 DESCRIPCIÓN DE LOS MÓDULOS ..................................................................................................... 36

3.4.1 Explicación y empleo del Módulo 1 ......................................................................................... 36

3.4.2 Explicación y empleo del Módulo 2 ......................................................................................... 39 3.4.2.1 Ejemplo ilustrativo de la aplicación de los módulos 1 y 2 ................................................................ 40

3.4.3 Equivalencia del resultado alcanzado por Simus ..................................................................... 44

3.4.4 Calculo de la entropía para cada conjunto de resultados ....................................................... 44

3.4.5 Explicación y empleo del Módulo 4 ......................................................................................... 45 3.4.5.1 Explicación detallada de los pasos a seguir para aplicar el módulo 4 .............................................. 46

3.4.6 Cuadro sinóptico de funciones monoobjetivo y multiobjetivo y módulos a emplear ........... 47

3.4.7 Análisis de sensibilidad ............................................................................................................ 48

CAPÍTULO 4 CASOS DE ESTUDIO ......................................................................................................... 51

4.1 RESOLUCIÓN POR SIMUS DE UN PROBLEMA REAL COMPLEJO - CONTRASTACIÓN DE RESULTADOS ALCANZADO CON

ELECTRE .................................................................................................................................................... 51

4.1.1 Antecedentes .......................................................................................................................... 51

4.1.2 Resolución por Simus utilizando los Módulos 1 y 2 ................................................................. 51

4.1.3 Correlación entre los resultados de ambos métodos .............................................................. 57

4.1.4 Análisis del resultado .............................................................................................................. 59

4.1.5 Conclusión de este ejemplo ..................................................................................................... 60

CAPÍTULO 5 COMENTARIOS SOBRE ARTÍCULOS PUBLICADOS EN EL COMPENDIO ........................ 61

5.1 ARTÍCULO PUBLICADO EN ‘ECOLOGICAL INDICATORS’ 11(2011) 1020-1026 .................................................. 61

5.1.1 Descripción del problema ........................................................................................................ 61

5.1.2 Indicadores relacionados con los criterios de selección y estimación de su importancia

absoluta ............................................................................................................................................. 62

5.1.3 Criterios de selección ............................................................................................................... 63

5.1.4 La función objetivo .................................................................................................................. 64

5.1.5 Discusión del resultado de la metodología propuesta ............................................................ 64

5.1.6 Elección del tamaño del conjunto seleccionado ...................................................................... 66

5.1.7 Otra versión del modelo .......................................................................................................... 67

5.1.8 Conclusión ............................................................................................................................... 67

5.2 ARTÍCULO PUBLICADO EN ‘ENVIRONMENT, DEVELOPMENT AND SUSTAINABILITY’- VOLUME 8, NUMBER 3, 425-443

............................................................................................................................................................... 67

5.2.1 Antecedentes .......................................................................................................................... 67

5.2.2 Empleo de la Programación Lineal .......................................................................................... 68

5.2.3 Resultado ................................................................................................................................ 70

5.2.4 Análisis del resultado .............................................................................................................. 70

5.3 ARTÍCULO PUBLICADO EN ‘RENEWABLE ENERGY’ 29 (2002) 1775-1791 .................................................... 71

5.3.1 Antecedentes .......................................................................................................................... 71

5.3.2 Resolución mediante el empleo de los módulos de Simus ...................................................... 71

5.3.3 Planteamiento del problema................................................................................................... 71 5.3.3.1 Resultado del grupo AHP ................................................................................................................. 72 5.3.3.2 Resultado del grupo SIMUS ............................................................................................................. 72 5.3.3.3 Discusión de resultados de este caso ............................................................................................... 73

CAPÍTULO 6 ANÁLISIS DE RESULTADOS, REFLEXIONES Y CONCLUSIONES ...................................... 75

6.1 CONSIDERACIONES GENERALES ............................................................................................................... 75

6.2 ANÁLISIS DE LAS SOLUCIONES ................................................................................................................. 76

6.3 CONTRASTACIÓN DE RESULTADOS ........................................................................................................... 76

6.4 COMENTARIOS SOBRE LA RESOLUCIÓN DE LOS CASOS .................................................................................. 78

6.4.1 Interpretaciones sobre algunos casos analizados y su resolución por LP/Simus .................... 80

6.5 FORTALEZAS Y DEBILIDADES .................................................................................................................... 84

6.6 CUMPLIMIENTO DEL OBJETIVO PROPUESTO ............................................................................................... 85

6.7 CONCLUSIÓN ...................................................................................................................................... 85

RESUMEN DE ESTE TRABAJO ................................................................................................................ 99

RESUM D'AQUEST TREBALL ............................................................................................................... 100

ABSTRACT .......................................................................................................................................... 101

GLOSARIO .......................................................................................................................................... 103

REFERENCIAS BIBLIOGRÁFICAS .......................................................................................................... 107

ARTÍCULOS PUBLICADOS EN EL COMPENDIO ..................................................................................... 115

viii

PROCEDIMIENTO FUNDAMENTADO EN

PROGRAMACIÓN LINEAL PARA LA

SELECCIÓN DE ALTERNATIVAS EN

PROYECTOS DE NATURALEZA COMPLEJA

Y CON OBJETIVOS MÚLTIPLES

Si buscas resultados distintos

No hagas siempre lo mismo

Albert Einstein

La ciencia es la progresiva aproximación del

hombre al mundo real

Max Planck

CAPÍTULO 1 INTRODUCCIÓN

1.1 Antecedentes y justificación

Esta tesis está enfocada a la toma de decisiones en problemas complejos. Se entienden

como tales aquellos con una gran cantidad de variables que se traducen en restricciones

de tipo cuantitativo y cualitativo, con numerosas interrelaciones, tanto en las

alternativas en estudio como en los criterios de decisión, y con condicionamientos de

distinta índole. Por otro lado, suelen ser problemas que se caracterizan por tener que

cumplir con diversos objetivos en forma simultánea y muchas veces opuestos o

contradictorios.

La toma de decisiones comienza intentando modelar una situación real, pero que

además debe tener en cuenta la experiencia y preferencias del centro decisor - ya que es

una actividad subjetiva – por lo que, considerando la cantidad de variables a manejar,

los criterios para evaluar las diversas opciones o alternativas, y la complejidad del

problema, se hace pertinente el empleo de modelos matemáticos que organicen la

información, ejecuten determinados algoritmos de resolución y que arrojen un resultado,

que puede ser aceptado, rechazado o modificado por el centro decisor.

Estas técnicas matemáticas son una ayuda para la toma de decisiones, que apoyan al

centro decisor para gestionar la información, y por otro lado facilitan su labor al

permitirle analizar distintas soluciones cuando se cambian determinados parámetros,

procedimiento que se conoce como análisis de sensibilidad, y que puede arrojar mucha

luz sobre un caso determinado.

2

Este trabajo propone un nuevo procedimiento, apoyado en la Programación Lineal (PL)

cuando analiza problemas discretos, es decir con una cantidad limitada de alternativas y

con un gran número de criterios. La PL no es una técnica moderna, es anterior a

mediados del siglo XX. Tiene un desarrollo axiomático impecable y es muy apta para

resolver problemas de decisión. Sin embargo, posee dos debilidades que son a) la

necesidad de trabajar con criterios cuantitativos y b) el trabajar con un solo objetivo.

En casos en donde estas debilidades no afectan a la resolución del problema, como por

ejemplo en la determinación de los distintos tipos de productos que una planta industrial

puede producir, en el análisis financiero de portfolios, o en el estudio de cuencas

hídricas, por citar solo algunos, la técnica arroja valores óptimos, y en este tipo de

entorno se ha utilizado y aplica a numerosos proyectos de distinta índole.

También hubo intentos de emplear la PL en la resolución de problemas con múltiples

objetivos, y así nacieron metodologías como la programación por metas (Charnes et al,

1961), el Simplex Multicriterio (Steuer, 1989), el método de restricciones con

parametrización, etc., pero que en general, tratan el problema desde un punto de vista

eminentemente matemático y sin mucha atención a las preferencias del centro decisor y

partes interesadas, como puede ser por ejemplo un sector de la población afectada por

un proyecto dado, es decir proyectos en donde existe un fuerte componente cualitativo,

aunque posteriormente la Programación por Metas trató de lograr un equilibrio entre el

rigor matemático y las preferencias del centro decisor.

En la práctica, la mayoría de los problemas de decisión emplean en la evaluación de las

alternativas criterios que responden a preferencias y magnitudes cualitativas, y también

a criterios cuantitativos, manifestados mediante magnitudes concretas, y a esto hay que

agregar la existencia de varios objetivos. Esto se puso de manifiesto cuando las

demandas de carácter técnico, social, económico y medioambiental exigieron ser

consideradas en la toma de decisiones.

Se hizo entonces necesaria la búsqueda de nuevos métodos que contemplaran estas

demandas y por ello, desde fines de los 1970 aparecieron diversas técnicas que

encararon la selección de manera distinta, y así se desarrollaron los métodos Electre

(Roy, 1968), AHP (Saaty, 1980), Topsis (Hwang, 1981), Promethee (Brans, et al 1986),

y otros.

1.2 Objetivos de este trabajo

El objetivo principal de este trabajo es proponer un nuevo procedimiento, basado en una

adaptación de la PL para facilitar la toma de decisiones en problemas complejos,

aprovechando las ventajas de esta técnica, pero permitiendo también trabajar con

criterios cualitativos, y considerando múltiples objetivos. Este procedimiento se

denomina „Simus‟. En esencia, pretende demostrar que la PL se puede aplicar -

mediante una adaptación adecuada - a la resolución de problemas de toma de decisiones

multicriterio (MCDM). El procedimiento Simus se ilustra en el Capítulo 3 mediante un

esquema que abarca tres fases: Análisis, Síntesis y Evaluación.

Procedimiento fundamentado en la programación lineal para la

selección de alternativas en proyectos de naturaleza compleja y con

objetivos múltiples

3

Es de hacer notar que en esta tesis no se propone introducir una nueva aplicación de la

PL sino que se intenta ampliar el campo de acción de la misma, introduciendo una

variación al método y que le permite a esta herramienta abordar problemas cuyo planteo

y resolución eran imposibles, como es el caso de trabajar con cualquier cantidad de

objetivos y con restricciones cualitativas.

Esta tesis es una exposición de los casos resueltos y publicados por Munier (2004, 2006

y 2011) aplicando dicho procedimiento, y es un trabajo en donde se estudia la forma de

adaptar o extender la PL al problema de la toma de decisiones discreto, no importando

el tipo o la naturaleza del problema de decisión. Precisamente, los tres artículos del

compendio abarcan temas tan disímiles como:

1. La selección de fuentes de energía renovable para generar energía limpia,

2. La selección de alternativas en infraestructura vial en un proyecto urbano,

3. La selección de un conjunto de indicadores de sostenibilidad.

Por otro lado en la Sección 6.4 se ilustra el empleo de la técnica en 45 proyectos reales

y que pertenecen a 11 categorías distintas, abarcando aspectos tales como

infraestructura portuaria y aeronáutica, medioambiente, temas sociales, planeamiento

económico, localización industrial, gobierno, etc.

A pesar de que la técnica descrita se puede emplear en general en cualquier tipo y

tamaño de proyecto, se considera que su mayor ventaja está en su aplicación al rango de

problemas complejos, es decir a aquellos con numerosas alternativas y criterios, con

gran número de interrelaciones, y con requisitos propios de los mismos tales como

demandas a satisfacer, protocolos a cumplir, y restricciones a respetar. El procedimiento

puede entonces considerarse como una forma alternativa de afrontar un problema de

toma de decisiones.

Por otro lado, el propósito enunciado se materializa mediante un objetivo doble, ya que

intenta:

a) Justificar que la aplicación de la PL que se propone puede emplearse ventajosamente

para resolver problemas de naturaleza compleja, con incertidumbre y múltiples

objetivos, y

b) Demostrar que los modelos matemáticos que se han desarrollado para ayudar a la

toma de decisiones deben producir resultados equivalentes cuando tratan un mismo

problema.

4

Con respecto al primer objetivo, el trabajo aporta nuevos elementos para enfocar lo más

consistentemente posible el tema de la evaluación y toma de decisiones en problemas

complejos.

El segundo objetivo intenta demostrar que los modelos actualmente en uso - al menos

los más empleados - al estar bien estructurados, y aunque trabajen con distintos

procedimientos matemáticos, deben arrojar resultados equivalentes al resolver un

mismo problema. Cuando esto no sucede, ello es atribuible a la forma diferente que

tiene cada método - incluyendo Simus - a la hora de tratar la información del centro

decisor. Por ese motivo, Simus aspira a mejorar la gestión de la información

disminuyendo el grado de incertidumbre del centro decisor, a fin de aumentar la

fiabilidad de las soluciones.

La hipótesis de equivalencia se considera importante porque permitiría comprobar,

usando diferentes modelos para un mismo caso, si se alcanza una consonancia de

resultados, los cuales muy probablemente corresponderían entonces a la mejor solución,

no desde el punto de vista de un óptimo matemático, sino como solución satisfactoria

para el centro decisor y las partes interesadas. Esta hipótesis es compartida por varios

investigadores, pero aquí se intenta demostrarla heurísticamente.

Se estima importante destacar que el procedimiento alcanza, en un alto porcentaje de

casos y para un mismo problema, resultados similares a los alcanzados por los otros

métodos ya mencionados, a los cuales, en términos generales llamaremos „Métodos

existentes‟.

1.3 La naturaleza del proyecto complejo

Como consideración significativa se entiende que la PL, mediante el complemento dado

por Simus, admite encarar la resolución de proyectos de naturaleza compleja y muy

compleja, nicho éste que no está lo suficientemente desarrollado. Esta reflexión se basa

en el hecho de que la PL permite, debido a la formulación propia de la matriz de

decisión con sus términos independientes, y de poder condicionar las soluciones, la

posibilidad de representar situaciones reales, debidas a:

Condicionamientos políticos. Cuando hay que hacer efectivo el cumplimiento

de compromisos políticos (por ejemplo, necesidad de llevar a cabo obras

prometidas en las campañas electorales, en donde un determinado proyecto

debe ejecutarse, esté o no seleccionado por el programa de selección empleado),

Condiciones de avance, cuando el proyecto está condicionado por la

disponibilidad de fondos en un año fiscal (por ejemplo en un proyecto regional,

cuando los porcentajes de avance físico deben corresponderse con los

porcentajes de envío de fondos del gobierno central),

Condiciones de borde, es decir cuando se establecen límites inferiores,

superiores o intervalos para cada restricción (por ejemplo, en las descargas

máximas de NOx de plantas energéticas),




5

Condiciones de congruencia (por ejemplo, si se elige la alternativa A debe

también elegirse la D),

Condiciones de exclusión, es decir cuando es conveniente que la solución sea de

tipo binario, por ejemplo cuando no interesa un ordenamiento, sino que ésta

indique qué proyectos o alternativas se deben ejecutar y cuáles no, expresados

los primeros con „1‟ y los segundos con „0‟. Es decir varios „1‟ indican

proyectos a considerar,

Condiciones de incertidumbre (por ejemplo, en un proyecto de seguridad urbana

cuando se adoptan diversas medidas para aumentarla, y que están sujetas a

distintos criterios cuya eficiencia se mide en porcentaje),

Condiciones de independencia (por ejemplo en una intersección urbana, el

modelo debe determinar si es más conveniente construir un túnel, o un puente,

pero no ambos, ya que son independientes),

Condiciones de obras en ejecución, cuando hay que tener en cuenta proyectos

en fase de construcción (es decir asegurarse que un proyecto que está en

construcción se complete, y en consecuencia tenga prioridad sobre otros que no

han comenzado aun),

Condiciones de precedencia, es decir cuando la ejecución de un proyecto dado

es posterior a la finalización de otro (por ejemplo la pavimentación de una

avenida debe recién comenzarse no sólo si se realizan los trabajos de

alcantarillado previstos para la misma, sino además recién cuando estos

finalicen),

Condiciones de simultaneidad, cuando se admite la acción simultánea de dos

alternativas (por ejemplo, en una licitación, y en el análisis de las propuestas de

los contratistas, admitir la existencia de uniones transitorias de empresas),

Condiciones económico financieras, por ejemplo en la selección de un portfolio

de proyectos en función de los fondos disponibles (como en el caso de que haya

un conjunto de proyectos a realizar cuya inversión total supera a los fondos

disponibles, y en consecuencia es necesario apropiar los mismos de la manera

más eficiente posible),

Trabajar con cientos o incluso miles de restricciones (por ejemplo, para

proyectos que deben contemplar simultáneamente restricciones de tipo

comercial, de riesgo, de seguridad, ambientales, sociales, medioambientales, de

capacidad, de disponibilidad de personal y de equipos, etc.),

Trabajar con funciones que no son lineales, por medio de su división en

porciones lineales (por ejemplo, en criterios de costos fijos y variables, o en

criterios que no son lineales)1, etc.

1 En este caso debe linealizar la función, dividiéndola en segmentos lineales y aplicando PL a cada uno

de ellos.

6

1.4 Descripción del documento

Aparte de lo comentado en este primer capítulo en donde ya se han indicado los

antecedentes y objetivos del trabajo, esta tesis está organizada de la siguiente manera:

Capítulo 2: Se dedica a una revisión somera del estado del arte en lo que se refiere a los

métodos existentes y a tal efecto se comentan muy brevemente los métodos Electre,

Promethee, AHP, Maut, Programación Lineal, y Topsis.

Capítulo 3: Se explica el procedimiento Simus.

Capítulo 4: Casos de estudio. Empleo del método Simus en la resolución de un caso real

complejo y se comparan los resultados cuando se resuelve por el método Electre.

Capítulo 5: Comentarios sobre los artículos publicados en el compendio.

Capítulo 6: Análisis de resultados, reflexiones y conclusiones. Se examinan las

soluciones, y se comenta un trabajo de contrastación llevado a cabo para comparar los

resultados de 45 casos reales, ejecutados por diversos investigadores y sobre una

variedad de temas, con los resultados alcanzados por Simus. Se discuten las fortalezas y

debilidades del método PL/Simus y se analiza el cumplimiento del objetivo propuesto

en esta tesis. Se sugiere además una futura línea de trabajo que aprovechando los

resultados de Simus permita emplear la técnica DEA para obtener, mediante la

investigación de las fronteras eficientes, la más adecuada. De este modo el centro

decisor poseería un paradigma, una solución, que es la mejor y con la cual poder

comparar las soluciones que él propone.

En la conclusión se exponen las razones por la cual se considera que Simus representa

un aporte significativo al problema de la toma de decisiones al introducir un concepto

novedoso que permite la aplicación de una técnica poderosa como es la PL.

Resumen

Glosario de términos propios de este trabajo.

Referencias bibliográficas.

Artículos publicados en el compendio

CAPÍTULO 2 ESTADO DEL ARTE DE LOS MÉTODOS

EXISTENTES PARA LA TOMA DE DECISIONES

2.1 Antecedentes

En un problema de toma de decisiones existen alternativas a considerar y evaluar

mediante varios criterios, muchas veces conflictivos entre ellos. Hay alternativas que

tienen un comportamiento excelente para algún criterio y malo en otro y hay

alternativas que contribuyen con valores semejantes para un mismo criterio; en

consecuencia es difícil adoptar una decisión. Por ese motivo se emplean modelos

matemáticos que resultan entonces muy útiles para manejar esta complejidad, dado que

no es posible representarla mediante una interpretación simplificada y porque la

perspectiva analítica y reduccioncita del modelado cuantitativo implica que la atención

sólo se centra en algunas partes del problema (Sawaragi et al, 1992).

En este capítulo se comentan las diferentes técnicas matemáticas empleadas para la

toma de decisiones y que conducen a la formulación y empleo de los distintos modelos

matemáticos. Asimismo, se examinan los procedimientos que emplea cada uno para

explicar su funcionamiento y los diversos mecanismos de cálculo.

Una pregunta que suele hacerse un centro decisor es cuál es el mejor modelo para

aplicar a la resolución de un problema dado. Esta pregunta no tiene en realidad una

respuesta concreta, dado que es necesario analizar el problema en profundidad y luego

aplicar aquel modelo que mejor se adapte al mismo y que deberá ser apropiado para sus

características (Warren, 2009).

Se analiza en este capítulo el procedimiento que sigue cada modelo. Ninguno de ellos

está exento de críticas, tanto sea en el comportamiento en general como en el uso

práctico para tratar problemas reales (Leyva López, 2004). No hay, por otro lado,

ningún modelo mejor que otro (Romero, 1996), y tampoco existe un método simple que

sea mejor que todos los otros métodos en todos los aspectos (Triantaphyllou, 2002).

Cada modelo tiene su campo de aplicación, sus ventajas y desventajas, que no se

analizan aquí ya que no es el objeto de este trabajo. Se mencionan sí, aquellos

elementos o factores que se estima contribuyen a obtener resultados a veces discutibles

o que no convencen al centro decisor, ya sea porque no se ajustan a lo que un conjunto

de expertos espera de una situación dada, o porque no satisface a las partes. Por otro

lado son esos factores los que, sin lugar a dudas, ocasionan que dos modelos distintos,

tratando el mismo problema, arrojen resultados completamente dispares, sino opuestos.

8

2.2 Necesidad de disponer de modelos matemáticos

Es evidentemente imposible que una persona pueda manejar toda la información

disponible, interrelacionarla y llegar a una decisión correcta acerca de qué alternativa

elegir. Los modelos matemáticos están construidos para ordenar y procesar los datos y

servir de guía al centro decisor tratando de representar lo más fielmente posible la

situación real. Al respecto, Duckstein et al (1994), dicen que “el propósito de aplicar

los métodos de análisis de decisión con objetivos y criterios múltiples es ayudar al

agente de la decisión y no el de reemplazarlo”.

Hay que tener en cuenta sin embargo, que no todos los modelos se adaptan a todos los

casos y que su elección puede afectar en forma significativa las decisiones basadas en

juicios de valor, y que a menudo hay grandes diferencias de un modelo a otro en

situaciones de decisión no comunes y que involucran criterios fuertes y contradictorios

(Hobbs et al, 1997).

2.2.1 Familias de métodos

Hay cuatro familias principales a las que pertenecen estos métodos y que son:

1. Relaciones de superioridad o sobre clasificación (Outranking), a la cual pertenecen

los métodos Electre y Promethee,

2. Relaciones de preferencia; métodos AHP y Maut,

3. Relaciones de distancia; método Topsis,

4. Relaciones lineales; Programación Lineal, Programación por Metas, Simplex

Multicriterio.

Una amplia revisión de aplicaciones de diferentes métodos para la decisión multicriterio

en su conjunto, se puede encontrar en Figueira et al, (2005) y en Vaidya et al (2006).

Ver también tabla 6.4 en la Sección 6.4. Es también interesante observar la asociación

de AHP con otros metodologías, ver por ejemplo Macharis et al (2004).

2.3 Método Electre (Élimination Et Choix Traduisant la Réalité)

Desarrollado por Roy (1968), Vincke (1992).

2.3.1 Fundamentos del método

El método se basa en la comparación de pares de alternativas con relación a cada

criterio, y de acuerdo al siguiente principio:

“Cuando una alternativa A es tan buena al menos como otra B en una mayoría de los

criterios, y no hay ningún criterio en el que A sea notoriamente inferior a B, podemos

afirmar sin riesgo que A supera a B” (Barba-Romero,1997).

Electre permite la incomparabilidad y no es compensatorio.

La comparabilidad se refiere a la posibilidad de contrastar o no elementos del problema.

La incomparabilidad aparece cuando el centro decisor no tiene elementos que le




9

permitan comparar un concepto con otro por ser muy diferentes, como por ejemplo

cuando debe comparar los objetos que le gustan con aquellos que le disgustan.

(Korhonen, 2003).

Compensatorio a su vez se refiere a que un muy buen resultado en un criterio puede

compensar los malos resultados de otro.

Los pasos a seguir de acuerdo al principio enunciado son los siguientes (Se ejemplifica

sólo para el primer par):

Primer paso: Comienza con la construcción de la matriz de decisión en la cual los

coeficientes pueden corresponder a criterios cuantitativos y cualitativos, y se asignan los

correspondientes pesos a los criterios. Los criterios deben también estar afectados por la

acción que persiguen, es decir maximizar o minimizar.

Segundo paso: Para analizar la primera parte del principio enunciado, se comienza

entonces comparando el primer par de alternativas con respecto a la acción (Maximizar

o Minimizar) indicada por el primer criterio. Si las correspondientes magnitudes de las

alternativas consideradas cumplen la acción del criterio, entonces se le asigna a esa

comparación el valor del peso del criterio. La suma de estos pesos, para este par de

alternativas, cuando esta comparación se ha realizado para todos los criterios, suministra

entonces el valor de superación (Índice de concordancia) de una alternativa sobre otra

con respecto a los criterios, y permite construir una matriz llamada „Matriz de

concordancia‟.

Tercer paso: Para analizar la segunda parte del principio enunciado, se considera ahora,

para el primer par y para criterio la diferencia cuantitativa entre las magnitudes.

Cuarto paso: Cuando se completa el análisis para el mismo primer par y para todos los

criterios, se registra la mayor diferencia existente entre esas diferencias.

Quinto paso: Se calculan ahora, para el primer par y para cada criterio, las diferencias

cuantitativas independientes de si se cumple o no la acción, Cuando se completa el

análisis para el mismo primer par y para todos los criterios, se registra la mayor

diferencia existente entre esas diferencias, es decir se obtiene la diferencia considerando

todos los criterios.

Sexto paso: Se computa la ratio entre el valor calculado en el cuarto paso y el hallado en

el quinto paso, lo cual indica la superación o no de una alternativa sobre otra desde el

punto de vista de las cantidades (Índice de discordancia), lo cual permite construir la

„Matriz de discordancia‟.

Séptimo paso: El centro decisor establece un umbral de mínima para los valores de la

matriz de concordancia y se anulan los valores que estén debajo del mismo. El resultado

constituye la „Matriz dominante de concordancia‟.

10

Octavo paso: El decisor establece un umbral de máxima para los valores de la matriz de

discordancia y elimina los que estén por arriba del mismo. El resultado constituye la

„Matriz dominante de discordancia‟.

Noveno paso: Se comparan estas dos últimas matrices y se asigna un „1‟ en donde hay

coincidencia de resultados, es decir cuando una alternativa dada obtiene superación en

ambas matrices.

Décimo paso: Esto permite construir un grafo en donde puede apreciarse el

ordenamiento resultante. El nodo que precede a los demás constituye el núcleo o kernel

correspondiente a la solución.

Es de destacar que Electre permite conocer cuáles son las alternativas dominantes, pero

no suministra la información referida a su ordenamiento. Triantaphyllou et al (1998)

expresa este mismo aspecto diciendo que “Dado que el sistema no es necesariamente

completo, el método Electre a veces no es capaz de identificar la alternativa preferida.

Sólo produce un núcleo de alternativas dominantes”.

Algunos investigadores aluden a uno de los aspectos más criticables de esta

metodología en el sentido de que puede existir arbitrariedad en la fijación de los

umbrales de concordancia y discordancia y en algunos casos puede prestarse a forzar la

aparición cuando el kernel está vacío por medio de la modificación de dichos umbrales.

Romero (1996) agrega que esto es crucial a la hora de evaluar este método para la toma

de decisiones

2.3.2 Aplicaciones

Se pueden encontrar en (Aragonés et al, 2001): (Fichefet et al, 1986), (Roy et al, 1986),

(Barda et al, 1990). Además, en la tabla 6.4, Sección 6.4, Capítulo 6.

2.4 Método Promethee (Preference Ranking Organization Method for Enrichment

Evaluations)

Desarrollado por Brans (1982), (Brans et al, 1982, 1984, 1985, 1986, 2004).


Está basado en una relación de superación en la cual se analiza la relación entre dos

alternativas y se dice que una supera a la otra si se cumplen ciertas condiciones. Se

consideran pares de alternativas y cada par se analiza en función de cada criterio. Si la

relación cuantitativa de los valores de cada alternativa cumple con la acción, se

establece una preferencia y cuyo valor, entre 0 y 1, está determinado por la aplicación

de una función de transferencia. Para ello se establecen parámetros, en forma de

umbrales de indiferencia y de preferencia. Si la diferencia entre los valores de dos

alternativas y para un criterio dado está por debajo de un cierto umbral de indiferencia,

se admite que esta diferencia no existe. El parámetro o umbral de preferencia se define

como aquella diferencia mínima para que una alternativa se considere preferente a otra.

Por ejemplo, en un proyecto de construcción de caminos se establece la matriz de

decisión de manera usual. Supóngase que haya tres alternativas 1, 2 y 3 entre los puntos




11

A y B y que están sujetas a varios criterios, uno de los cuales es el de „Minimización de

la distancia entre origen y destino‟.

Primer paso: Se comienza comparando el primer par de alternativas con respecto a la

acción (Maximizar o Minimizar) indicada por el primer criterio. Si las correspondientes

magnitudes de las alternativas consideradas cumplen la acción del criterio se continúa

con el segundo paso,

Segundo paso: Se calcula la diferencia entre las magnitudes del primer par, y se la

compara con un umbral fijado por el decisor (Umbral de indiferencia). Si la diferencia

es menor que la establecida en el umbral, se considera que ambas alternativas son

indiferentes. Si, en caso contrario, esta diferencia supera al umbral, se acepta que la

respectiva alternativa es superior a la otra del par,

Tercer paso: Se asigna un valor a esa preferencia. Se lleva a cabo mediante funciones

de transferencia que definen la forma de la relación y que también establece el centro

decisor. De acuerdo a la función de transferencia elegida (hay seis tipos distintos) se

aplica una cierta formulación,

Cuarto paso: El valor resultante del tercer paso se multiplica por el peso del criterio

correspondiente,

Quinto paso: Una vez hallados los valores del primer par para todos los criterios, se

suman estos valores,

Sexto paso: Se consideran todos los pares posibles,

Séptimo paso: Se construye una matriz cuadrada de alternativas y en donde se colocan

los valores hallados para cada par de acuerdo al sexto paso,

Octavo paso: Se suman los valores de cada fila de la matriz obteniéndose los resultados

para las alternativas dominantes,

Noveno paso: Se suman los valores de cada columna de la matriz obteniéndose los

resultados de las alternativas dominadas,

Décimo paso: Para cada alternativa se resta el valor de su fila y el de su columna. La

diferencia indica el valor final para cada alternativa,

Décimo primer paso: El ordenamiento esta dado por los valores decrecientes hallados.

12

2.4.2 Operación

El modelo trabaja con un software comercial que facilita los cálculos.

Pesos

Como otros métodos de toma de decisiones a Promethee se le critica cierta subjetividad,

ya que es el centro decisor el que establece los pesos asignados a cada criterio y las

diferentes formas de las funciones de criterio, lo cual puede variar los resultados según el

técnico que haga el estudio (Hidalgo, 2007).

Ordenamiento

Hay varias versiones de Promethee, por ejemplo Promethee I arroja una respuesta de

orden parcial y que permite conocer qué alternativas son incomparables entre sí, lo que

está oculto en la respuesta de Promethee II.

Reversión de ordenamiento

En Promethee existe el problema de reversión de ordenamientos (De Keyser et al.,

1996). Mareschal et al (2006, 2008) explican en qué circunstancias se produce tal

fenómeno, específicamente en Promethee II, y demuestran que la reversión de

ordenamiento es una consecuencia directa del principio de comparación pareada en el

contexto de la decisión multicriterio, y cuál es su origen.

Sensibilidad

Los autores han desarrollado un modelo analítico que permite calcular los intervalos de

estabilidad. El modelo está asociado a un sistema gráfico que muestra un plano

denominado “GAIA” en donde se pueden apreciar en forma inmediata las

consecuencias de cualquier modificación. Una interesante propiedad de este plano es

que permite apreciar en forma visual las relaciones de conflicto que pueden existir entre

criterios, como es por ejemplo si un criterio se refiere a la máxima producción de

energía en una planta térmica, en tanto que otro busca la minimización de la

contaminación atmosférica. Martínez et al (2005) expresan que este plano es muy

conveniente cuando el decisor “no tiene una clara idea de los pesos adecuados y desea

explorar su espacio de libertad”.

2.4.3 Aplicaciones

Promethee ha tenido muchas aplicaciones. Ver Behzadian et al (2010), y tabla 6.4,

Sección 6.4, Capítulo 6. Algunos autores han propuesto el uso combinado con AHP

consultar Macharis et al (2004).

2.5 Método AHP (Analytic Hierarchy Process)

Fue desarrollado por Saaty (1977, 1980).


Es un método que se basa en descomponer jerárquicamente el problema a tratar en sus

elementos componentes. En el más alto nivel de la jerarquía se ubica entonces el

objetivo a alcanzar. El segundo nivel está constituido por los subobjetivos y criterios




13

que permitirán evaluar el grado de logro de los mismos por las diferentes alternativas,

que están en un tercer nivel. Un ejemplo de esta jerarquización se muestra en la figura

2.1 Ha tenido y tiene una gran aceptación; se emplea en muy diversos tipos de

proyectos y es quizás hoy en día el modelo más usado. Se caracteriza por su sencillez

aunque también por la carga de trabajo necesaria para establecer las comparaciones.

2.52 Mecánica y etapas del método

La figura 2.1 ejemplifica el mecanismo de descomposición.

NIVEL 1

NIVEL 2

CRITERIOS

NIVEL 3

ALTERNATIVAS

Figura 2.1 Descomposición jerárquica de un problema

2.5.2.1 Determinación de pesos de los criterios

El AHP trabaja en una primera etapa estableciendo comparaciones entre dos criterios y

el objetivo, y en una segunda etapa comparando entre sí un par de alternativas con

respecto a un criterio dado. La primera precede a las segunda. Los siguientes párrafos

aclaran estas dos etapas.

Primera etapa: Ponderación de los criterios

Primer paso: Se comparan los criterios del nivel 2 con respecto a la consecución del

objetivo, estableciendo comparaciones pareadas entre los criterios de un mismo nivel

que el centro decisor analiza sobre la base de una escala de comparación 1-9 establecida

por el autor (Escala de Saaty).

Así, se comparan los criterios C1 y C2 sobre la base del objetivo mediante la

formulación de la siguiente pregunta: ¿„Con respecto al objetivo, cuál es más

importante, el criterio C1 o el C2?‟.

La respuesta a esta pregunta se materializa mediante el empleo de una escala de ratios,

llamada „Escala de Saaty‟ (1980), basada, según su autor, en una teoría de psicología

cognitiva que postula la máxima cantidad de comparaciones que el ser humano puede

realizar. La escala abarca desde el 1 al 9, con valores intermedios cuando hay dudas

entre dos juicios de valor.

Objetivo

C B A

C1 C2 C3 C4 C5

14

Volviendo a la pregunta formulada como ejemplo, el decisor puede contestar que el

criterio C2 es „Moderadamente más importante que C1‟, es decir, expresa una

preferencia, y la cuantifica usando la escala de ratios mencionada más arriba, y

concluye asignando a C2 un cierto valor y a C1 su inverso.

Segundo paso: Cuando esta comparación se realiza para todo los pares de criterios,

queda conformada una matriz recíproca.

Tercer paso: El próximo paso consiste en derivar prioridades para los criterios usando

la técnica del auto valor. Con la obtención de este vector de pesos finaliza la primera

etapa, que ha consistido entonces en asignar pesos a los criterios.

2.5.2.2 Valoración de alternativas

En la segunda etapa se realiza un procedimiento similar de comparación pareada, pero

ahora se analiza cada par de alternativas en función de cada criterio.

Primer paso: Como ejemplo, si se analiza el par A y B de alternativas, una pregunta

podría ser; ¿Considerando el criterio C1, que alternativa es preferida, la A o la B?

El centro decisor puede contestar: „La alternativa B es más importante que la A‟ Por

consiguiente le asigna un cierto valor a la alternativa B, y un valor inverso a la

alternativa A, basado en la escala de ratios.

Segundo paso: Aplicando el auto valor a esta matriz reciproca se obtienen los pesos de

las alternativas con respecto al criterio C1.

Tercer paso: Consiste en multiplicar cada uno de los valores obtenidos por el peso

hallado en el tercer paso de la primera etapa y correspondiente al criterio C1.

Cuarto paso: Se repite este procedimiento para cada uno de los tres criterios restantes.

Quinto paso: Se suman para cada alternativa los valores obtenidos con cada criterio. El

conjunto de resultados permite ordenar las alternativas.

2.5.3 Aplicaciones

Este método se ha utilizado en numerosos casos, y es una de las técnicas más usadas

actualmente con muy variadas aplicaciones y grados de complejidad. Se ha empleado

también combinado con otros modelos de decisión y con lógica difusa. Una aplicación

muy útil del método AHP es que posibilita determinar los coeficientes de la matriz de

decisión cuando no se conocen estos valores, ya sea por falta de datos o por

incertidumbre, dado que permite determinarlos sobre la base de las preferencias del

centro decisor y en función de los criterios. Por este motivo en muchas oportunidades se

integra este método con otros, que trabajan entonces como punto de partida con los

valores hallados por AHP.




15

2.5.4 Método ANP (The Analytic Network Process for Decision Making with

Dependence and Feedback)

Esta herramienta ha sido también desarrollada por Saaty (2003); es una generalización

del método AHP, y trabaja con dependencias y retroalimentación. El modelo, que opera

bajo los mismos principios del AHP, hace posible una interacción y retroalimentación

dentro de clústers de criterios y de alternativas y entre los mismos, lo cual permite

desarrollar un modelo matemático que replica con mayor exactitud que el AHP

escenarios reales donde juegan intrincadas y complejas relaciones. ANP trabaja con

clústers o conjunto de elementos en lugar de que estos elementos estén agrupados en

niveles, y su resolución se simplifica gracias al empleo de un software.

Las prioridades derivadas de las comparaciones pareadas se introducen en una matriz no

ponderada (unweighted matrix). Posteriormente, los valores de esta matriz se

multiplican por el peso de los clústers y se obtiene la súper matriz ponderada (weighted

matrix). Finalmente elevando esta matriz a potencias sucesivas se alcanza un límite en

el cual concluye el cálculo y que contiene los resultados finales. Esta última matriz se

denomina matriz limite (limit matrix).

La gran ventaja de este procedimiento de elevación a potencias es que se tienen en

cuenta todas las relaciones directas e indirectas entre los distintos elementos.

2.6 Método Multi-attribute Utility Theory (MAUT)

Su nombre proviene de determinar funciones de utilidad2 con el objeto de transformar

los coeficientes aij de las alternativas (magnitud preferencial) a una escala común y que

es adimensional. Fue desarrollado por Keeney and Raiffa in 1976 (Keeney et al, 1976).

Ha sido uno de los primeros métodos desarrollados para tratar el problema de decisión;

requiere la construcción parcial de funciones de utilidad y su posterior agregación en

una función de utilidad general por adición o multiplicación (Kenney et al, 1993).

Se parte de una matriz de decisión con alternativas y criterios, y el método consiste en

determinar para cada alternativa u opción, una función de utilidad que indica en qué

forma se agregan los valores resultantes para cada criterio ponderado. En el caso más

simple, el valor de una alternativa esta dado por la ecuación (2.1).

xj = j = 1,….,n. (2.1)

siendo:

xj: Valor de la alternativa j,

wi: Peso del criterio 1,

aij: Magnitud preferencial

2 En Economía se define como „utilidad‟ al grado de satisfacción que produce un bien.

16

En casos más complicados, hay un método para determinar los pesos a asignar a los

criterios, propuesto por Edwards (1977), que consiste en clasificar los criterios desde el

menos importante al más importante, asignando al primero el valor 10 y valores más

elevados en orden de importancia. Los pesos finales se obtienen mediante

normalización de estos valores. A continuación se asignan probabilidades a las

alternativas para cada criterio. La utilidad correspondiente a cada alternativa se obtiene

como producto de esta probabilidad por el peso del correspondiente criterio. La suma de

estos productos para cada alternativa suministra su valor de la utilidad, lo cual permite

ordenarlas.

2.7 Método de Programación Lineal (PL)

La Programación Lineal es una técnica que trata de la resolución de problemas de

carácter lineal, en donde se trata de optimizar, ya sea maximizando o minimizando una

función lineal, llamada „objetivo‟ y que está sujeta a una serie de restricciones

representadas por inecuaciones lineales y cuyas variables, que representan las incógnitas

del problema, sólo puede tener valores positivos.

2.7.1 Breve historia de la técnica

Fue desarrollada por Leonid Kantoróvich, (1959) para la asignación óptima de recursos

en una economía, trabajo por el cual obtuvo el Premio Nobel de Economía en 1975

conjuntamente con Tjalling Koopmans. En 1947, George Dantzig (Dantzig, 1948), creó

un algoritmo que denominó „Simplex‟ para la resolución de problemas logísticos

mediante PL, y que desde entonces es el método por antonomasia de la PL, y está

considerado como una de las más importantes contribuciones matemáticas y que mayor

influencia ha tenido en el siglo XX.

A mediados de la década de 1980 aparecieron los primeros programas computacionales

para resolver problemas de ecuaciones lineales en PC, aplicando el Simplex, y al día de

hoy hay numerosos programas para ello.

2.7.2 Fundamentos de la Programación Lineal

Dado que el procedimiento Simus está basado en la PL, es conveniente, antes de

describirlo y analizarlo, realizar una breve introducción a esta técnica para tener una

idea de su estructura básica, la cual tiene tres elementos característicos que son:

La función objetivo (Z), es decir, el propósito o fin que se desea alcanzar.

Está expresada por una ecuación lineal que incluye las alternativas representadas

como incógnitas, y los coeficientes que las afectan. La típica función objetivo en PL

contiene un solo objetivo (problema monoobjetivo), e indica además si la acción es

de maximizar o minimizar. Es una función indefinida ya que no cuantifica el alcance.

Así, se dice por ejemplo, „Maximizar la producción industrial‟, „Minimizar el coste

ecológico‟, o „Igualar el monto asignado‟. Un ejemplo de una función objetivo es:




17

Z = 8x1 + 7,6x2+ 5x3 + 2x4 (Maximizar) (Por ejemplo, la producción

industrial)

Las xj representan a las diversas alternativas discretas cuyo valor, y en consecuencia

su ordenamiento, se quiere establecer. Los coeficientes que afectan a esas variables

se determinan de acuerdo al tipo de problema; por ejemplo, si nos estamos refiriendo

a beneficios, cada coeficiente indica el beneficio asociado a cada unidad de las

alternativas. Cuando la función objetivo incorpora varios objetivos, el problema se

transforma en multiobjetivo y en ese caso hay diversos valores de Z, por ejemplo,

para tres objetivos:

Z = 8x1 + 7,6x2 + 5x3 + 2x4 (Maximizar)

(La producción industrial)

Z‟ = 0,5x1 + 1,02x2 + 0,75x3 + 0,38x4 (Minimizar)

(El coste ecológico)

Z‟‟= 8x1 + 7,6x2 + 5x3 + 2x4 (Maximizar)

(El ingreso per cápita)

Aunque la PL clásica es monoobjetivo, se han hecho esfuerzos para tratar de

utilizarla en múltiples objetivos. El presente trabajo, es uno de esos esfuerzos,

aunque en este caso la solución hallada no es óptima sino satisfaciente.

La matriz de decisión se ilustra en la tabla 2.1 y está formada por:

- Matriz de elementos o coeficientes „aij‟ que indican la participación de cada

alternativa para cumplimentar cada criterio. En columnas se indican las alternativas

„Aj‟ en tanto que en filas están los criterios „Ci‟.

Tabla 2.1 Elementos constitutivos de la matriz de decisión

ALTERNATIVAS

A1 .... Aj …. Am Operador Término Acción

independiente

CRITERIOS

Ci ai1 …. aij …. aim ≥ bi (Minimizar)

…. …. …. …. …. …. ….

…. …. …. …. …. …. ….

Ck ak1 …. akj …. akm ≥ bk (Minimizar)

…. …. …. …. …. …. ….

…. …. …. …. …. …. ….

Cl al1 …. alj …. alm ≤ bl (Maximizar)

…. …. …. …. …. …. ….

…. …. …. …. …. …. ….

Cn ani …. anj …. anm = bn (Igual a…)

18

Donde:

A= Alternativas Aj j = 1--------------m

C = Criterios Ci i = 1--------------- n

- Acción a realizar, indicada mediante los operadores „≥‟, „≤‟, „=‟.

- Vector (B) que indica los términos independientes „bi‟ para cada criterio.

Como se aprecia, cada criterio tiene la forma de una inecuación lineal y está sujeto a

una acción que puede ser „Maximizar‟, „Minimizar‟ o „Igualar‟. En PL los criterios

Ci deben ser cuantitativos.

Cada una de las inecuaciones de la tabla 2.1 puede expresarse de la siguiente manera,

por ejemplo tomando el criterio C2.

a21 .A1 a22.A2 a23 A3 ≥ b2 (2.2)

en donde A1, A2 y A3 son las alternativas y aij los coeficientes que las multiplican. Si

esta formulación se repite para todas las filas queda formado un sistema de

inecuaciones, que es la base del método de PL.

- Los términos independientes „bi‟ que pertenecen al vector B, son los límites

impuestos a cada criterio. Estos pueden ser valores en unidades tales como m3, km,

%, Euros, número, etc., naturalmente, en consonancia con las unidades de los

coeficientes de las respectivas filas. Debido a que los criterios pueden abarcar

infinidad de situaciones económicas, sociales, ambientales, de capacidad, etc., el

conjunto de las filas puede mostrar una gran variedad de unidades de medida.

El problema consiste entonces en optimizar una función objetivo sujeta a todas las

restricciones impuestas por los criterios.

Resolución del sistema

Matricialmente, este sistema de inecuaciones se expresa según la ecuación matricial

(2.3).

A x X = B (2.3)

En donde:

A: Es la matriz compuesta por el conjunto de coeficientes aij.

X : Es el vector de las alternativas

B: Es el vector de los términos independientes

La PL trabaja en múltiples dimensiones (tantas como n-variables o alternativas haya), y

en donde no hay límite para la cantidad de variables a considerar. Los criterios, tantos

como se deseen, constituyen hiperplanos en el espacio n-dimensional. Estos hiperplanos

definen un politopo dentro del cual se encuentra el conjunto de todas las soluciones

factibles al problema dado; sin embargo, las que interesan son las soluciones eficientes




19

que forman parte de este conjunto, y que se encuentran en los vértices del politopo. La

solución óptima es aquella que pertenece a la tangencia entre la función objetivo y uno

de estos vértices. Esta solución óptima - si existe - se alcanza empleando el algoritmo

del Simplex.

Este algoritmo, en esencia, trabaja mediante iteraciones; para cada una encuentra un

punto eficiente del politopo, entonces avanza sobre su frontera para encontrar una

solución mejor, y se detiene cuando llega al vértice que corresponde al óptimo o

solución óptima. Para ello, en cada interacción computa el vector X - que caracteriza a

cada vértice eficiente - mediante la inversión de la matriz, de acuerdo a la fórmula (2.4):

X = B x A-1

(2.4)

Para verificar si hay una mejor solución, compara en cada iteración y para cada

alternativa la diferencia entre el valor del funcional (considerando los valores

recientemente hallados) y el respectivo coeficiente asignado originariamente a la

función objetivo para esa alternativa, es decir (Zj - Cj). Este procedimiento se repite

hasta encontrar el punto de óptimo (si es que existe).

Hay numerosos programas computacionales que desarrollan el Simplex y naturalmente,

cualquiera de ellos puede aplicarse para resolver este problema. En esta tesis, el

problema se plantea en una planilla de cálculo Excel y se resuelve mediante el empleo

del programa „Solver‟ que está incorporado a Excel. Los datos se cargan en Excel, el

Solver los toma, los procesa de acuerdo al algoritmo del Simplex, y devuelve la

solución a la planilla de cálculo.

Los coeficientes aij se determinan de diversas maneras, ya sea por valores cuantitativos,

como „Capacidad de producción‟ o con valores cualitativos derivados, por ejemplo, de

preferencias que representan las valoraciones que el centro decisor asigna a las

alternativas, respecto a cada criterio.

2.7.3 Metodología de la PL aplicada la resolución problemas de decisión

Esta comienza con la obtención de los distintos elementos que la componen y que son:

- Objetivos: Los fija el promotor del proyecto, el centro decisor y/o las partes

interesadas, y lógicamente dependen de la naturaleza del proyecto. Así, hay objetivos de

maximización de beneficios, de minimización de costos, de minimización de riesgos, de

maximización de una producción, de maximización del bienestar, de minimización de

daños ambientales, de igualar fondos disponibles, etc.

Los objetivos son expresiones indefinidas en el sentido de no establecer logros

cuantitativos: un objetivo del problema puede ser „Minimizar el impacto ambiental‟, o

„Maximizar el beneficio económico‟. En PL el objetivo es una función lineal de las

alternativas.

20

- Proyectos o alternativas de un proyecto: Dependen del tipo de problema y

normalmente se trata de un número discreto. Pueden ser unas pocas o cientos. Por

ejemplo, en un proyecto de localización industrial, las alternativas u opciones son los

sitios o lugares que presentan las características adecuadas para la industria de que se

trate, ya sea porque son puertos, porque son ciudades conectadas a una amplia red de

transporte, por la existencia de mano de obra calificada, por beneficios impositivos, por

la existencia de proveedores, etc.

- Criterios: Son restricciones en forma de inecuaciones lineales que se emplean para

evaluar las alternativas y están orientados a la consecución del objetivo u objetivos

deseados. Pueden ser cuantitativos, cuando expresan relaciones tangibles como por

ejemplo „Capacidad de transporte de barcos portacontenedores‟, „Longitud en km de

un gasoducto entre dos puntos A y B‟, „Fondos totales disponibles‟, etc.

Son cualitativos cuando se refieren a preferencias y en general con incertidumbre. Por

ejemplo „Riesgo aceptado en la demora en la ejecución de un proyecto‟, „Posibilidad de

encontrar condiciones adversas en el transporte por tierra de grandes equipos‟,

„Reacción de la población con respecto a un proyecto‟, etc.

A pesar de tener la misma naturaleza que los objetivos, ya que ambos son funciones

lineales de las mismas variables, los criterios constituyen los pasos o metas para

alcanzar el objetivo, y están acotados en su accionar por valores limites, que

corresponden a los términos de la derecha de cada inecuación.

- Coeficientes: Son las magnitudes que indican la participación de cada alternativa para

cada criterio. Por ejemplo, si el criterio se refiere a la „Potencia instalada‟, cada

coeficiente suele indicar la potencia que puede generar cada alternativa de producción

eléctrica. Si el criterio es cualitativo, como por ejemplo „Beneficios ambientales para la

población‟, el coeficiente será una magnitud que de alguna manera refleje la

correspondiente participación en la obtención de esos beneficios. Hay varias formas de

obtener estos coeficientes, ya sea por una apreciación entre 1 y 10 por ejemplo (o en

cualquier otro intervalo), y que traduzcan apreciaciones subjetivas en valores

cuantitativos, o bien pueden emplearse técnicas como AHP (Saaty, 1980).

- Términos independientes, límites, términos de la derecha: Constituyen una

característica esencial de la PL y son valores cuantitativos que limitan el alcance de los

criterios. Pueden estar expresados en cualquier tipo de unidades y ser fracciones

decimales o números enteros. Se introducen límites de mínima, tal como los que

establecen la cantidad mínima de agua que un municipio debe suministrar diariamente a

cada persona del mismo. O pueden ser de máxima, como por ejemplo, el contenido

máximo admisible de SOx procedente de una planta eléctrica que quema combustibles

fósiles. O tambien referirse a intervalos, tal como el establecido por los límites entre los

cuales pueden variar los metros cuadrados por persona en un proyecto de construcción

de viviendas. Los hay referidos al tiempo, como los que establecen límites para que una

ambulancia responda a un pedido, etc.




21

2.7.4 Modelado de una situación real

El problema se modela en una planilla de Excel, es decir se establece la matriz de

decisión que consiste en los siguientes pasos:

Primer paso: Se colocan en columnas las alternativas y en filas los criterios de

selección, que constituyen las restricciones del problema,

Segundo paso: En las intersecciones de las columnas con las filas se colocan los

coeficientes de las alternativas, o sea los valores con que cada alternativa contribuye al

propósito de cada meta o criterio,

Tercer paso: Se indica el sentido de la acción para cada meta mediante los

correspondientes operadores, o sea (≤), (acción de maximizar), (≥) (acción de

minimizar) o (=) (acción de igualar). Queda entonces formado un sistema de

inecuaciones,

Cuarto paso: Se definen los límites para cada meta en una columna del lado derecho del

sistema de inecuaciones,

Quinto paso: Se plantea el objetivo en forma lineal es decir en función de las

alternativas del problema,

Sexto paso: Se ejecuta el algoritmo del Simplex mediante cualquier programa adecuado,

Séptimo paso: El resultado, o sea los valores correspondientes a cada alternativa se

registrará en la fila de Excel que haya elegido el usuario. De aquí, se deduce el

ordenamiento de alternativas.

Cada vez que se resuelve un problema de este tipo (problema primal), se genera su

„problema espejo‟ que es el „problema dual‟. Los valores de la incognititas del dual

corresponden a las restricciones del primal y su interpretación es que son valores

marginales de éstas. En consecuencia, su conocimiento permite determinar como

cambia o se modifica el valor de la función objetivo para variaciones unitarias de los

criterios. Esta muy importante característica de la PL permite realizar un profundo

análisis de sensibilidad.

2.7.5 Aplicaciones

Son innumerables las aplicaciones de la PL y en campos tan disímiles como producción,

finanzas, cuencas hídricas, localización industrial, etc. Dutta et al (2001), citan

aplicaciones por rubros tales como la industria siderurgia, optimización de la

producción, mezclas de productos, programación, inventario y distribución, y

almacenamiento. Véase también tabla 6.4 en la sección 6.4, Capítulo 6. Yi-Chun

22

(2008), refiriéndose a la PL, manifiesta que “Today (LP) is a standard tool used by

some companies (around 56%) of even moderate size”.

2.7.6 Fundamentos de la Programación por Metas (Goal Programming)

Este método fue desarrollado por Charnes y Cooper (1961), y probablemente constituyó

el primer intento en resolver por PL problemas con múltiples objetivos. Es una

extensión de la PL, sin embargo no aspira como ésta a alcanzar una solución optima,

sino una solución lógica satisfaciente (Romero, 1996).

Este método ha sido explicado y aplicado en numerosas actividades. Para su discusión y

ejemplos consultar Ignizio et al (1994), (Jones et al, 2010) (Romero, 1991, 1996).

Su aplicación consta de los siguientes pasos:

Primer paso: Fijar los diferentes objetivos del problema y sus restricciones,

Segundo paso: Introducir en cada uno variables de desviación positivas y negativas. Las

primeras expresan en cuánto se permite que se exceda el valor de aspiración del

objetivo, en tanto que las segundas indican en cuánto se permite que dicho valor no

llegue a cumplirse,

Tercer paso: Planteamiento de la matriz de decisión,

Cuarto paso: Aplicar programación lineal o no lineal según el caso para resolver el

problema, y cuyo objetivo es la minimización de las desviaciones.

Esta minimización puede efectuarse de distintas maneras, por ejemplo, se determina una

función objetivo única que contenga todas las desviaciones. Existe también el sistema

de metas lexicográficas y en el cual se asignan valores de importancia o prioridades a

los diferentes objetivos. Para una explicación accesible de estos procedimientos,

consultar Romero (1996).

Según este investigador, una gran ventaja de la programación por metas es que permite

combinar la lógica de la optimización con los deseos del centro decisor.

2.7.7 Método Simplex multiobjetivo

Como su nombre lo indica, aplica el método Simplex para resolver problemas con

múltiples objetivos. Para ello se emplea una matriz de decisión o cuadro del Simplex, en

donde se agregan filas adicionales por encima y por debajo de la matriz de decisión. Las

inferiores corresponden a los diferentes objetivos en tanto que las superiores pertenecen

a los coeficientes de esos mismos objetivos. En general se utiliza el algoritmo de

Zeleny (1974).

Una explicación accesible de esta metodología se ilustra con un ejemplo en Zavala et al

(2007).




23

2.8 Método Topsis (Technique for Order Preference by Similarity to Ideal

Situation)

Desarrollado por Hwang et al (1981).


Pertenece a la categoría de los métodos que buscan la menor distancia a una solución

ideal. Este modelo se destaca por su sencillez y por la transparencia del procedimiento.

Está basado en la premisa de que es racional elegir un resultado que esté lo más cerca

posible de una situación ideal y lo más lejos posible de la anti ideal (Zeleny, 2000).

Parte de la base de considerar una solución ideal a un problema, es decir aquella que

corresponde a los mejores valores de los coeficientes de las alternativas para cada

criterio y determina entonces un „punto ideal positivo‟, y la „solución ideal positiva‟

sería entonces aquella que incorporara las correspondientes alternativas. Determina

también, de manera similar, cuales son los peores valores y encuentra un punto „ideal

negativo‟. Entonces la „solución ideal negativa‟ sería aquella que incorporara las

correspondientes alternativas.

Lo que se persigue es que una alternativa esté lo más cerca posible del ideal positivo y

lo más lejos posible del ideal negativo. Sin embargo, si hay dos alternativas, A y B por

ejemplo, la A puede estar más cerca del punto ideal positivo que la B y ser entonces la

preferida, pero la B puede hallarse a mayor distancia del ideal negativo que la A y sería

en consecuencia la mejor, quedando entonces la dificultad de cual elegir.

Para ello se calcula un „índice de similitud‟, que “combina la proximidad a la solución

ideal positiva con la lejanía respecto a la solución ideal negativa, y que tiende entonces

a maximizarla distancia relativa al ideal negativo respecto a la suma de las distancia

positivas y negativas” (Alberto et al, 2004).

El cálculo de las distancias „L‟ a cada solución ideal se lleva a cabo por una fórmula

sencilla y afectada de un exponente (métrica „p‟), que corresponde a la Distancia

Euclidiana (p=2). Es decir, lo que se busca es una solución eficiente y de compromiso

entre las soluciones factibles.

Si los pesos wi son iguales, y la métrica es igual a „1‟, entonces p = 1 y se generan líneas

rectas de isoutilidad. Si los pesos wi son iguales, y la métrica es igual a 2, las líneas de

isoutilidad son curvas. En un problema de dos dimensiones y dos objetivos, la solución

se encuentra en la tangencia de las curvas de isocoste con el polígono de las soluciones

(Jaramillo, 2002).

Una metodología similar la „Programación Compromiso‟ también busca una solución

de equilibrio que se logra con L∞, que es algo muy atractivo para la selección (Romero,

1996a), en cambio para L1 la solución puede estar fuertemente desequilibrada.

24

2.8.2 Aplicaciones

Existen muchas aplicaciones de Topsis muy especialmente en relación con lógica

difusa. Ver Figueira et al (2005) y tabla 6.4, Sección 6.4, Capítulo 6.

2.9 Comparación de resultados alcanzados por los distintos modelos en un caso

específico

Es evidentemente difícil contrastar resultados de los distintos métodos debido a sus

diferentes características, y es probable que la dificultad estribe en encontrar un

parámetro común de comparación. Surge entonces como alternativa razonable, pensar

que una disyuntiva podría ser resolver un mismo problema por diferentes métodos y

examinar los resultados, y eso es lo que han llevado a cabo varios investigadores. Así,

Wolfslehner (2002), describe un caso real en donde se comparan 4 alternativas

empleando 8 criterios y resolviendo el problema con los siguientes métodos: Smart -

AHP – ANP – Promethee I/II y Electre III. A fin de comprobar en forma heurística la

hipótesis planteada de que en esencia todos los métodos deben arrojar resultados

equivalente cuando se aplican a la resolución de un mismo problema, a continuación se

analiza un caso real que fue resuelto usando el modelo Regime conjuntamente con

AHP. El mismo problema, con 4 alternativas y 20 criterios ha sido resuelto por ANP,

Simus, Promethee y Topsis y se han comparado los resultados obtenidos.

2.9.1 Estudio comparativo de un caso: Revalorización del aeropuerto de Maastricht

El proyecto se refiere a una reevaluación del aeropuerto de Maastricht, en Holanda, un

trabajo llevado a cabo por Vreeker et al. (2001), y titulado „A multicriteria decision

support methodology for evaluating airport expansion plans‟

El resultado de la comparación se muestra en la tabla 2.2.

Tabla 2.2 Resultados de los distintos modelos para el aeropuerto de Maastricht

ALTERNATIVAS

A B C D

MODELOS Fuente

Regime/AHP/Flag 0,34 0,94 0,61 0,11 Vreeker et al (2001)

AHP 0,07 0,18 0,15 0,09 García et al (2009)

ANP 0,05 0,09 0,08 0,06 García et al (2009)

Promethee -0,25 0,19 0,01 0,00 García et al (2009)

Topsis 0,57 0,73 0,35 0,50 Munier (2011)

Los correspondientes ordenamientos se muestran en la tabla 2.3.

Tabla 2.3 Ordenamientos de acuerdo a cada modelo

MODELOS ORDENAMIENTOS

Regime/AHP/Flag B – C – A - D

AHP B – C – D - A

ANP B – C – D - A




25

Promethee B – C - A

Topsis B – A – D - C

Como se aprecia, es elevada la similitud de resultados a pesar de emplear cinco modelos

distintos y, si bien un ejemplo no es suficiente para comprobar una hipótesis, es

evidente que tanto la lógica como el desarrollo práctico tienden a indicar que existe una

equivalencia de resultados, especialmente cuando se piensa que pueden existir, como en

este caso, un total de 4! = 24 ordenamientos distintos.

2.9.2 Resumen sobre las dificultades encontradas

Como resumen de este tema, es indudable que todos los modelos tienen sus pros y sus

contras, pero lo que resulta evidente es que hay proyectos para los cuales conviene

emplear un determinado modelo. Lógicamente, esto provoca como consecuencia, una

tarea adicional para el centro decisor, quien debe inclinarse por uno u otro método.

Entendemos que los factores que ocasionan distorsión en estos modelos no son los

procedimientos en sí, sino que responden a las diversas formas de tratar la información,

y esto afecta a todos ellos, incluyendo la PL y Simus. Por otro lado, es de hacer notar

que no todas las imperfecciones, son atribuibles a los modelos, ya que muchas de ellas

comienzan con la forma en que se obtienen los datos y la selección de los criterios.

En muchos casos las dificultades responden a la necesidad de completar datos, o a

situaciones sobre las que no hay antecedentes, o porque no se conocen con exactitud los

factores que influyen sobre el problema, pero en muchos otros surgen como

consecuencia de la opinión o preferencia del centro decisor y sus colaboradores, o de lo

que desea el promotor del proyecto. Es probablemente ilusorio pretender un sistema que

elimine las subjetividades, que son inherentes a todo proyecto, pero sí se entiende que

pueden reducirse, sobretodo acotando las apreciaciones personales y preferenciales, y se

entiende que la PL y el procedimiento Simus puede aportar soluciones para

disminuirlas.

2.10 Comparación entre modelos

Referente a esta comparación una revisión de la literatura muestra que ésta es muy

escasa, y la que existe se limita a contrastaciones parciales entre modelos y para un caso

dado. En el proyecto Pittsburg Area Transportation Project (1999), se corrobora esta

afirmación cuando se expresa que "….Sin embargo, a pesar de que existe un alto grado

de investigación sobre los modelos, no hay abundante literatura sobre su

comparabilidad”. Por otro lado hay investigadores que manifiestan que la

comparabilidad carece de sentido, ya que se emplean modelos distintos y que trabajan

con distintos procedimientos.

26

Estimamos que esta comparabilidad es posible y deseable, y que si, hipotéticamente se

conocieran los valores reales en un caso dado, con respecto a pesos, niveles, funciones

de transferencia, escalas, etc., todos los modelos deberían coincidir en sus resultados.

Hay naturalmente subjetividad, inherente al proceso de decisión, pero ésta es la misma

para todos los modelos ya que se habla de un mismo centro decisor. En realidad, lo que

se está modelando son sus preferencias y lo que varía es la forma de tratar esas

preferencias porque se manejan distintas escalas y diferentes formas de agregar y medir

la preferencia del centro decisor. Por ejemplo a pesar de su similitud, el método Maut y

el AHP emplean escalas diferentes, el primero usa escalas de intervalos en tanto que el

segundo utiliza escalas ratio. En forma similar, y si se consideran Electre y Promethee la

diferencia radica en que la preferencia se mide considerando la fuerza de los criterios a

favor utilizando los pesos, lo que puede ocasionar discrepancias en los resultados,

influyendo asimismo si se considera compensación o no.

Esta comparabilidad e igualdad de resultados es también postulada por Martínez (2005)

cuando dice, al finalizar un estudio comparativo ente los modelos AHP y Promethee,

que “Podemos concluir que si existe una solución clara, sea cuál sea el método que se

tome, probablemente se llegará a dicha solución. Por su lado Triantaphyllou (1998),

basado en sus experiencias apunta que “La mejor alternativa es la misma

independientemente del modelo elegido”.

CAPÍTULO 3 EL PROCEDIMIENTO SIMUS (Sequential Interactive Model for Urban Systems)

3.1 Fundamentos de Simus

El método Simus es un procedimiento heurístico basado en la PL que permite trabajar

tanto con criterios cuantitativos como cualitativos y que, además, es capaz de manejar

problemas con objetivos múltiples. A diferencia de la PL, no produce resultados

óptimos sino soluciones satisfacientes, al igual que los modelos existentes.

3.1.1 Análisis del problema y relación con otras técnicas afines

Considerando Simus con relación a otros métodos, existen técnicas consagradas que

persiguen resultados afines, pero no iguales a los de la PL, tales como el „Clúster

Analysis‟, el „Significance Analysis‟ y el „Metodo DPSIR‟, por lo tanto se considera que

resuelven problemas de distinta índole y que por lo tanto no constituyen técnicas

alternativas para resolver un problema de toma de decisiones.

Por ejemplo el „Cluster Analysis‟ o „Análisis de Grupos‟, se emplea para agrupar datos

y que estén relacionados, sean significativos y útiles, y puede usarse para clasificar la

información a suministrar al modelo de PL, pero esta técnica no está diseñada para

ordenar un conjunto de datos de acuerdo a su cumplimiento de restricciones y en

función de un objetivo, como lo hace la PL.

El „Significance Analysis‟ o „Análisis de Importancia‟ es una técnica estadística para

determinar si una variable es significativa con respecto al cambio de un resultado desde

el punto de vista operativo y no debido al azar. En realidad se puede considerar que la

PL permite realizar una función similar, pero sin considerar la aleatoriedad, cuando se

analiza el dual de un problema directo, ya que permite comprobar cuál es la importancia

relativa de cada restricción cuando se varía en una unidad su término independiente,

pero no es un modelo estadístico.

El „Modelo DPSIR‟ tiene una aplicación directa en ciertos problemas de PL. Es en

realidad un marco de referencia o „framework‟ originado por la OCDE y una aplicación

práctica del mismo en el ámbito de la PL puede apreciarse en el primer trabajo

publicado que se menciona en esta tesis. Ver al efecto las filas de „Pressure‟,

„Condition‟ y „Response‟, (ver figura 5.1 en la página 60 de este trabajo).

Si bien es cierto de que algunas de estas técnicas han sido objeto de tratamiento en

trabajos mas recientes como en Calderón et al, (2009) y Joumard et al (2010), también

hay que considerar que en ambos casos se aplican a problemas de transporte, disciplina

28

que no se trata en este trabajo. Por ejemplo, el trabajo de Joumard se refiere a

sostenibilidad en el transporte, donde normalmente se entiende que no es posible

trabajar con valores cuantitativos y cualitativos como lo hace el ejemplo de la tesis. Por

otro lado el trabajo de Joumard habla de la „Cadena de causalidad‟, aspecto éste que

también se considera en este trabajo de tesis cuando se desarrolló el concepto de „Matriz

encadenada‟, en el acápite 3.2.1 (página 31) donde se la define, y cuya aplicación

práctica se muestra en la figura 3.1 (página 32) para un proyecto de energía eólica.

3.1.2 Mecánica operativa

La mecánica que se sigue en este trabajo utiliza dos elementos de amplia difusión que

son la hoja Excel de cálculo y un agregado, el software Solver, para la resolución de

problemas de decisión mediante el algoritmo del Simplex de Programación Lineal (PL),

aunque puede emplearse cualquier otro software que emplee dicho algoritmo, tal como

Lingo, Lindo, WinQSB, etc.

El problema a resolver se plantea en forma matemática construyendo en Excel una

matriz de decisión, que es por otro lado el punto de partida de todas las metodologías

para MCDA (Análisis para Decisiones Multicriterio). Los datos para construir la matriz

de decisión pueden provenir de diversas fuentes y procedimientos - cuya obtención y

análisis no es el objeto de esta tesis - que busca en cambio emplear esos datos para

realizar el proceso de selección de alternativas.

La transferencia de datos entre Excel - o sea desde la matriz de decisión - al Solver, se

lleva a cabo indicando en diversas ventanas de este último cómo encontrar en Excel la

información pertinente. Así, se establece la fórmula de la función objetivo identificando

la celda de Excel en donde se encuentra dicho dato y cuál es la acción que se quiere

efectuar (maximizar el objetivo, minimizarlo, o que iguale a un cierto valor numérico).

Se le informa también al Solver en qué lugar de Excel colocar el resultado, lo cual se

lleva a cabo expresando el rango de columnas que abarca sobre una misma fila de la

hoja de cálculo. Finalmente se le comunica a Solver acerca de todas las restricciones

existentes indicando la ubicación de cada una en Excel, como así también el sentido de

la acción en cada caso (maximizar, minimizar, o igualar la respectiva restricción), y

señalando asimismo la ubicación en Excel de la celda que contiene el término

independiente correspondiente a cada fila. Si se desea que el resultado quede expresado

en números enteros o en el sistema binario (‟0‟ y „1‟) se le indica también e Excel esta

condición.

No hay límite para la cantidad de restricciones a considerar y existe además la

posibilidad de instruir al Solver sobre la precisión con la cual se desea trabajar, es decir

qué porcentaje se admite razonable para que se cumpla una restricción, (y que es

generalmente muy pequeño), así como sobre la cantidad de iteraciones (normalmente

100 ó más), y la condición de que debe suministrar solo valores finales no negativos. El

modelo permite especificar una serie de condiciones reales, tales como precedencias

obligatorias entre alternativas (es decir que no se puede elegir una sin haber

previamente elegido otra; por ejemplo, no se puede escoger un proyecto de asfaltado de




29

una avenida si no se ha elegido también efectuar previamente el alcantarillado de la

misma), o condiciones de obligatoriedad (como las que se presentan en proyectos en

donde al momento del análisis hay ya un proyecto en ejecución y que debe entonces

estar obligatoriamente dentro de la solución final), o indicar que se admiten mezclas de

alternativas (tal como aceptar la unión temporaria de empresas en una licitación).

Como queda dicho, el Solver resuelve el problema considerando todas las restricciones

planteadas; si hay una solución factible lo indica taxativamente, y transfiere los

resultados a Excel. Si no hay solución factible también lo anuncia, y aunque no expresa

directamente la causa, ésta puede inferirse observando los valores parciales obtenidos

para las restricciones.

Desgraciadamente, el método de PL permite operar sólo con un objetivo y con

restricciones cuantitativas. El objeto de esta tesis es proponer un método que amplía

considerablemente el campo de aplicación de la PL al permitirle trabajar con múltiples

objetivos – tanto como se deseen – y con restricciones cuantitativas y cualitativas y aun

con una mezcla de ambas, a fin de poder resolver problemas que no puede abordar la

PL, y que son por otro lado, los más frecuentes en la práctica.

El objeto de esta tesis es proponer un método que amplía considerablemente el campo

de aplicación de la PL al permitirle trabajar con múltiples objetivos – tanto como se

deseen – y con restricciones objetivas y subjetives y una mezcla de ambas, a fin de

poder resolver problemas que no puede abordar la PL, y que son por otro lado, los mas

frecuentes en la práctica..

3.1.3 Arquitectura de Simus

Simus está compuesto de tres módulos o rutinas (1, 2 y 4)3 que complementan el

algoritmo del Simplex en la resolución de un problema, y si bien el procedimiento es de

aplicación general, el empleo de los módulos depende de las características de cada

problema. A este respecto, Simus se emplea para resolver dos tipos de problemas,

ambos complejos, que son:

Tipo 1: Problemas con cualquier cantidad de alternativas y restricciones, con criterios

cuantitativos y cualitativos, con o sin mezcla de ambos, y con una o varias funciones

objetivo, con resultados fraccionarios, enteros o binarios.

Tipo 2: Problemas relacionados con la selección de un número relativamente pequeño

de indicadores (conjunto o núcleo final), a fijar por el usuario, a partir de una cantidad

elevada (conjunto inicial), sujetos a distintas restricciones y con un solo objetivo, que

es la maximización de la cantidad de información del entorno, que está contenida en el

conjunto inicial de indicadores. Como ejemplo, si se tienen 187 indicadores

3 El módulo 3, que no se aplica en este trabajo, se emplea para analizar la diferencia entre dos

proyectos o alternativas que registran valores que permiten catalogarlos como „indiferentes‟

en el ordenamiento.

30

medioambientales que definen el entorno medioambiental de una región, se desea tener

un conjunto final reducido de quizás no más de 25 indicadores, que concentre la mayor

cantidad posible de información sobre el estado y evolución de ese entorno.

3.2 Diagrama de flujo para la aplicación de Simus a problemas de tipo 1

Es evidente que el empleo de cualquier método para la toma de decisiones necesita

disponer de la información más confiable posible. Desde este punto de vista, e

incorporado en el procedimiento Simus, se prevé el uso de varias herramientas tales

como el análisis por grafos, las matrices encadenadas, las curvas de impacto, y las

matrices 0-1 para procesar la información recogida.

Para armonizar este compendio de información (fuentes) y relacionarlas con el

procedimiento Simus se ha preparado el diagrama de flujo de la figura 3.2, relativo al

empleo de los módulos 1 y 2, y la figura 3.3 para el módulo 4, ambos diagramas en sus

fases de Análisis, Modelación y Resultados.

3.2.1 Fuentes

Es imprescindible contar con información confiable y que proceda de diferentes fuentes,

y la cual es además básica y dependiente del tipo de problema, para la selección de la

cantidad y tipo de criterios a emplear para la evaluación de alternativas. Es por otro lado

impracticable tratar de identificar todas las fuentes necesarias para obtener datos habida

cuenta de la gran cantidad posible de proyectos; sin embargo, para proyectos de

ingeniería, que se entienden son los más complejos, se parte de las siguientes fuentes:

Estudio de factibilidad o de pre factibilidad que nos informa de las características

generales del proyecto y que permiten en la mayoría de los casos hacer una apreciación

aproximada de los costes.

Proyecto preliminar. Es decir, un documento también aproximado pero en donde se

especifican las características constructivas, que permite aquilatar las dificultades, los

riesgos, estimar la necesidad de mano de obra, etc.

Matriz encadenada (Z). Es un documento gráfico asociado con Simus en donde se

analizan para cada proyecto o alternativa, las diferentes acciones que producen

impactos, los efectos que originan, las consecuencias de esos efectos, y finalmente los

receptores de dichas consecuencias (Munier, 2010). La figura 3.1 reproduce una matriz

de este tipo aplicada a un proyecto de construcción de un parque eólico en donde se

muestran varios encadenamientos. Se verifica cómo para cada acción hay un

encadenamiento cuyos diferentes pasos pueden ser valorizados, por ejemplo, en una

escala 1-10.

La matriz Z permite estudiar las interrelaciones entre los cuatro elementos (Acciones –

Efectos – Consecuencias – Receptores) y para cada alternativa. Posibilita determinar

cuáles son los efectos más importantes, medidos por la cantidad de acciones que

generan.




31

Análisis de grafos

Pueden emplearse para determinar en forma cuantitativa la importancia de diversos

indicadores relativa a las vinculaciones directas e indirectas, a fin de establecer pesos a

priori que posibiliten fijar una tasa de corte para el listado inicial. Trabaja con los

efectos y permite valorarlos cuantitativamente. Estas valoraciones se pueden usar como

coeficientes de las alternativas en la matriz de decisión.

Encuestas

Incluyen el diseño de un formulario adecuado y un muestreo estadístico. Se usan para

conocer la opinión de la población que puede estar afectada por el proyecto.

Análisis estadísticos

Por ejemplo análisis de regresión y correlación, que aunque no lleguen a determinar

necesariamente una relación de causa y efecto, pueden indicar si dos indicadores varían

o no en el mismo sentido. Una aplicación se encuentra en la Sección 4.1.3, figura 4.1.

Datos históricos

Se obtienen no sólo de los archivos del promotor de un proyecto o de una compañía

sino también de otros proyectos similares. Por ejemplo, se usa este procedimiento para

determinar en forma aproximada, mediante una relación no lineal, el coste para un

tamaño dado de planta, cuando se conocen los costes de plantas similares ya

construidas.

Reuniones con partes interesadas

Aquí se escuchan, se debaten y se analizan las diversas opiniones, especialmente de la

gente a ser afectada por el proyecto, como así también de diversos especialistas y

expertos. Estas pueden grabarse y clasificarse por orden de importancia.

32

Planta en funciona-

miento

Superficie de acopio

Despeje y desbroce

Estructuras civiles

Uso de vehículos y máquinas especiales

Campos de cultivo

Bosques

Edificios de la explotación

Poblaciones cercanas

Vida silvestre

ACCIONES DEL PROYECTO

Uso del suelo

Transporte Vegetación Combustible Ruidode equipos

Peligroslatentes Economía Estética

Malestarciudadano

Mayorbienestar

Muerte deaves

Emigración de aves

EFECTOS DE LAS ACCIONES

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X

X X

X

X

X

X

X

X

X

XX

X

X X

CONSECUENCIAS DE LOS EFECTOS

RECEPTORES DE EFECTOS

X

Figura 3.1 Matriz encadenada (Matriz Z) para un proyecto de parque eólico

3.2.2 Fase de Análisis

Consiste en la recolección, depuración y análisis de la información. (Los números entre

paréntesis se corresponden con el diagrama de la figura 3.2).

Primer paso: Los distintos departamentos del promotor del proyecto (1) analizan el

estudio de factibilidad y emiten sus conclusiones. Su fuente es el estudio de factibilidad,

Segundo paso: Se conocen ahora las características técnicas del proyecto, como así

también sus distintas alternativas y condiciones lo cuál permite determinar los diferentes

criterios a aplicar (2),

Tercer paso: Se evalúan sus posibles impactos en los aspectos económicos, sociales y

medioambientales (3), a partir de una matriz encadenada que indica los impactos

seriados,

Cuarto paso: Se evalúan los impactos sociales (4) a partir de diversas fuentes tales

como encuestas, estudios de impacto, exigencia en proyectos similares, etc. Permite

decidir sobre los diferentes criterios a considerar,




33

Proyecto preliminar

Matriz encadenada

Análisis y encuestas

* Análisis y estimaciones* Encuestas

Determinar impactos

ambientales

1-* Ingeniería * Finanzas* Recursos Humanos

*Medio Ambiente

2- Determinar características

técnicas del proyecto

3- Evaluar impactos: * Sociales

* Económicas* Ambientales

4- Evaluar

impactos sociales

5- Evaluar impactos

económicos

6-

Evaluar criterios medioambienta-

lesl

9- Establecer criterios

7- Determinación

de alternativasEstudio de factibilidad

8- Establecer

objetivos

12Y los criterios

son

13- Cuantitativos

16Emplear

Programación Lineal Mono

objetivo

14- Cualitativos15

Emplear Módulo 1 de Simus

17- ES MÚLTIPLE

19- Cuantitativos

21- Cualitativos

20 - Emplear Módulo 2 de

Simus

22- Emplear Módulo 1 de

Simus

23Construir matriz

de soluciones eficientes

25- Análisis de sensibilidad y

Evaluación

10Si el objetivo

11. ES ÚNICO

12Y los criterios

son

18Y los criterios

son

FUENTES RESULTADOS PARA:

EXPERTOS

MODELADO

Solución óptima (si

existe)

24- Soluciones eficientes

Figura 3.2 Diagrama de flujo con empleo de los

módulos 1 y 2 de Simus

34

Quinto paso: Se evalúan los impactos económicos (5). Permite determinar los diferentes

criterios a considerar,

Sexto paso: Se evalúan los criterios medioambientales (6). Permite determinar los

diferentes criterios a considerar.

3.2.3 Fases de modelación y resultados

Séptimo paso: Se determinan las alternativas posibles de entre todas las existentes (7).

Fuente: Estudio de factibilidad y proyecto preliminar,

Octavo paso: Es necesario ahora, para el modelado, establecer el objetivo o los

objetivos que se persiguen (8). Es decir, determinar si el funcional es monoobjetivo o de

objetivos múltiples,

Noveno paso: Establecer criterios (9). Fuente: Departamentos del promotor,

características técnicas del proyecto, matriz encadenada, etc.,

Décimo paso: Aquí hay que determinar si el objetivo es único o son varios (10),

Décimo primer paso: Si el objetivo es único (11), determinar qué tipo de criterios

existen (12),

Décimo segundo paso: Si los criterios son todos de naturaleza cuantitativa (13), emplear

PL mono objetivo (16),

Décimo tercer paso: Si los criterios son de naturaleza cualitativa o hay una mezcla con

cuantitativos (14), emplear el modulo 1 de Simus (15) y proceder a resolver el sistema

con PL monoobjetivo (16),

Décimo cuarto paso: Si el objetivo es múltiple (17), cabe ahora preguntar nuevamente

por el tipo de criterios (18),

Décimo quinto paso: Si los criterios son cuantitativos (19), emplear el módulo 2 de

Simus (20),

Décimo sexto paso: Si los criterios son cualitativos (21), o hay una mezcla con

cuantitativos, emplear el módulo 1 de Simus (22),

Décimo séptimo paso: Construir la matriz de soluciones eficientes (23),

Décimo octavo paso: Determinar la solución satisfaciente (24),

Décimo noveno paso: Efectuar el análisis de sensibilidad y evaluación (25).




35

3.3 Diagrama de flujo para la aplicación de Simus a problemas de tipo 2

Se recuerda que este módulo es para un problema diferente a los tratados y está

enfocado a la selección de indicadores de distinto tipo. Aunque originariamente fue

diseñado para tratar con indicadores ambientales, su empleo no está restringido a esta

disciplina y puede utilizarse para cualquier tipo de indicadores.

3.3.1 Fuentes

Una de las principales fuentes son las series existentes de indicadores y que

normalmente están disponibles para cada actividad, pero hay que recordar que el

sistema se aplica para un número elevado de indicadores, posiblemente en cantidad

mayor de 75.

Otra fuente es obviamente aquella que proviene de la necesidad de desarrollar

indicadores, por ejemplo para analizar problemas urbanos y periurbanos, problemas

sociales y económicos.

3.3.2 Fase de Análisis

Ver figura 3.3.

Primer paso: Los expertos examinan toda la información disponible (1),

Segundo paso: Se analiza la importancia de cada indicador en función de la cantidad de

interrelaciones de carácter primario, secundario, terciario, etc. (2). Se valorizan

empleando una escala tal como la de intervalos iguales, por ejemplo de 1 a 10 (4),

Tercer paso: Se determinan las necesidades de obtener determinado tipo y categoría de

indicadores (3). Se valorizan empleando una escala tal como la de intervalos iguales,

por ejemplo de 1 a 10 (5),

Cuarto paso: Con estas dos estimaciones se halla el promedio de valores para cada

indicador (6),

Quinto paso: A fin de limitar la cantidad de indicadores se establece una tasa de corte

(7),

Sexto paso: Preparar la lista inicial de indicadores con la valoración promedio hallada

para cada uno (8),

Séptimo paso: Computar la entropía de cada indicador (9), empleando la fórmula (3.2)

Sección 3.4.4,

Octavo paso: Determinar la entropía del sistema (10), empleando la fórmula (3.3),

Sección 3.4.5.1,

Noveno paso: Determinar la contribución entrópica de cada indicador (11), empleando

la formula (3.4), Sección 3.4.5.1,

36

Décimo paso: Emplear los valores del paso noveno como coeficientes de la función

objetivo del problema (12).

3.3.3 Fases de modelación y resultados

Décimo primer paso: Establecer qué criterio se usará sobre la base de los objetivos

deseados o estructura, por ejemplo (OCDE), criterios generales de selección, etc., (13),

Décimo segundo paso: Establecer criterios de selección (14),

Décimo tercer paso: Establecer la matriz de pertenencia (0-1) (15),

Décimo cuarto paso: Determinar la cantidad de indicadores fínales que se deseen (17),

Décimo quinto paso: Establecer los términos de la derecha sobre la base de las

preferencias del centro decisor y a lo que él considere más necesario e importante (17),

Décimo sexto paso: Ejecutar el Simplex con el software que se haya elegido (18),

Décimo séptimo paso: Obtener los resultados y si es necesario llevar a cabo un análisis

de sensibilidad (19),

Décim 3.4 Descripción de los módulos

Como se mencionó, la PL necesita criterios cuantitativos y sólo puede manejar un

objetivo a la vez, arrojando soluciones óptimas. El método Simus introduce dos

„módulos‟ (1 y 2), o procedimientos algebraicos para tratar de paliar ambas condiciones,

aunque no produce soluciones óptimas sino satisfacientes.

3.4.1 Explicación y empleo del Módulo 1

Se utiliza para permitir el empleo de criterios cualitativos - tantos como se deseen - y

que pueden o no estar mezclados con criterios cuantitativos. Incluso permite resolver el

problema aun cuando el total de las restricciones sean cualitativas. Para ilustrar el

empleo de este módulo asúmase por ejemplo que para tres alternativas A, B y C de un

proyecto, hay un criterio cualitativo que requiere maximizar la sensación de satisfacción

de la población afectada por el mismo. Para tenerla en cuenta se realiza una encuesta y

las respuestas se evalúan mediante 8 adjetivos, que se describen en la tabla 3.1.

o octavo paso: Evaluar los resultados (20).




37

* Indicadores disponibles

* Experiencia* Necesidad* Antecedentes

1- Expertos

2- Análisis de relaciones primarias,

secundarias, terciarias, etc.

3- Determinar indicadores por

necesidad y experiencia

* Grafos

4- Valorizar indicadores usando una

escala de intervalos iguales

5- Valorizar indicadores usando una

escala de intervalos iguales

6- Obtener una valoración

promedio para cada indicador

7- Establece la valoración de

corte

8- Preparar lista inicial de

indicadores con su valoración

9- Computar entropía de cada

indicador

10- Determinar entropía del

sistema

11- Determinar contribución de cada indicador a la entropía del

sistema

12- Emplear estos valores como

coeficiente de la función objetivo

13- Expertos14- Establecer

criterios sobre la base de impactos

15- Construir matriz 0-1

17- Establecer como término de

la derecha las preferencias del

decisor (Cantidad de indicadores deseados por

criterio)

18- Ejecutar el Simplex

Matriz escalonada

16- Determinar la cantidad de indicadores

finales deseados

19- Solucion satisfaciente

20- Análisis y Evaluación

Figura 3.3 Determinación de indicadores ambientales

38

Tabla 3.1 Apreciaciones de la población consultada

y equivalencia cuantitativa

Calificación Concepto

1 Muy negativa 2 Negativa 3 Regular 4 Aceptable 5 Buena 6 Satisfactoria 7 Muy buena 8 Excelente

Supóngase ahora que analizadas las respuestas, se encuentra que las diferentes

alternativas han merecido en promedio, la siguiente „puntuación‟ lingüística:

Alternativa A = Buena

Alternativa B = Excelente

Alternativa C = Negativa

Empleando la tabla 3.1 las apreciaciones subjetivas se transforman en

5 x1 + 8 x2 + 2 x3 ≤ ??

Faltaría en consecuencia el término independiente de la derecha. El Módulo 1 de Simus

asigna al correspondiente término un valor igual al mayor coeficiente del término de la

izquierda, si se está maximizando como en este caso, o el menor valor si se está

minimizando, previa normalización. La razón de normalizar tiene que ver con el

procedimiento, ya que si no se normaliza se genera incongruencia. Por ejemplo se

pueden tener números enteros en un criterio y decimales en otro, la normalización

permite trabajar con valores homogéneos. Hay varios métodos para normalizar y en

general el procedimiento elegido depende de los datos y del tipo de problema planteado

y de manera tal que mantenga las proporciones, lo que es clave en la PL; un ejemplo de

los diferentes métodos se ilustra a continuación.

- Calcular para cada coeficiente su porcentaje con respecto al valor máximo de la fila

correspondiente.

- Calcular para cada coeficiente su porcentaje sobre el rango de la fila correspondiente:

- Calcular para cada coeficiente su porcentaje con respecto al valor de la suma de todos

los coeficientes sobre la misma fila (este es el método usado en esta tesis):




39

Entonces, normalizando, dividiendo cada coeficiente por la suma de los coeficientes de

la fila se tiene:

0,33x1 + 0,53x2 + 0,13x3 ≤ 0,53

Debido a que la acción de este criterio es de maximización, se elije el mayor de los

valores de los términos de la izquierda, que es 0,53. La razón de esta selección estriba

en que el máximo valor de satisfacción total deseado no puede ser superior al mayor

valor ofrecido por la alternativa B. Por ello, se establece que la satisfacción total debe

ser menor o igual a 0,53.

Si para ejemplificar, la misma restricción requiriera una minimización, la respectiva

inecuación seria de la siguiente forma:

0,33x1 + 0,53x2 + 0,13x3 ≥ 0,13

Al término de la derecha le corresponde al menor valor de los términos de la izquierda,

porque es evidente que la satisfacción total no puede ser inferior al menor valor ofrecido

por la alternativa C. Por ello se establece que la satisfacción total debe ser mayor o igual

a 0,13.


Se utiliza para trabajar con múltiples objetivos. Permite ordenar alternativas, de más a

menos importantes, y trabajar con cualquier cantidad de objetivos.

Este módulo consiste en dos pasos que son:

a) La construcción de una matriz que se denomina „Matriz de resultados eficientes‟ y

que contiene en cada fila el conjunto de resultados óptimos que se obtienen cuando se

ejecuta el Simplex con un objetivo a la vez. Se realiza sucesivamente la ejecución del

Simplex hasta considerar todos los objetivos del problema.

Una vez completada la matriz se normaliza y se suman los valores de cada columna

(SC), (o sea la suma de los valores óptimos de cada alternativa para diferentes

objetivos).

b) Se determina un „Coeficiente de participación‟ (CP) para cada alternativa, que es el

ratio entre la cantidad de objetivos para los cuales esa alternativa tiene un valor, y la

cantidad total de objetivos considerados. Estos coeficientes se normalizan, y luego se

multiplicada cada uno por el SC respectivo. El resultado de este producto indica el valor

final de cada alternativa, lo cual permite su ordenamiento.

40

3.4.2.1 Ejemplo ilustrativo de la aplicación de los módulos 1 y 2

Se ha proyectado la construcción de un camino entre dos ciudades A y B. Los terrenos a

atravesar comprenden llanura, zona de estribaciones montañosas de baja altura,

bosques, y el atravesar ciudades y pueblos. Se presentan tres rutas alternativas que

hacen diferente uso de la tierra entre las dos localidades, y que se codifican como rutas

A, B, y C, cada una con sus costes asociados en millones de Euros. Se desea determinar

cuál es la ruta más conveniente, no sólo teniendo en cuenta los costes sino también los

aspectos sociales y ambientales.

Primer paso: Construcción de la matriz de decisión

Se han hecho encuestas para determinar la reacción de la población ya que el proyecto

incluye expropiar áreas de cultivo, y habrá alteración del ecosistema por la destrucción

de gran número de árboles y zonas boscosas a atravesar, ríos a cruzar, etc. Los valores

de la encuesta se detallan en la matriz de decisión. Por ejemplo, la fila de „Porcentajes

de rechazo por atravesar una zona turística‟ depende de la ruta, pero es del 25 % para

la traza A, 15 % para la B y 20 % para la C.

La matriz de decisión la tabla 3.2 plantea el modelado del problema.

Segundo paso: Normalización de la matriz.

Para la normalización puede emplearse alguno de los métodos mencionados. Aquí se

usa el de dividir cada coeficiente por el total de la suma de los valores de su fila. Por

ejemplo, para la segunda fila el total es 0,90 + 0,92 + 0,90 = 2,72, se divide cada valor

de esa fila por este total, y así se obtiene la matriz de decisión normalizada que muestra

la tabla 3.3.

Tercer paso: Tratamiento de los criterios cualitativos.

Se observa que la mayoría de criterios son cualitativos, por lo cual se aplica el Módulo

1, incluso a los que son cuantitativos. Si bien es cierto que el porcentaje de cultivos y la

cantidad de ríos a cruzar son en general de naturaleza cuantitativa, no hay que olvidar

que en el momento del planeamiento se ignora la decisión que tomaran los dueños de

Tabla 3.2 Matriz de decisión

Alternativas

Ruta A Ruta B Ruta C Suma de

Criterios filas

Costes estimados (Millones de €) 127.810 110.945 118.906 357.661

Porcentaje áreas de cultivo afectadas 0,9 0,92 0,9 2,72

Porcentaje de expropiaciones 0,92 0,34 0,26 1,52

Cantidad de ríos a cruzar 2 1 3,00

Bosques afectados (ha) 3 10 10 23,00

Porcentaje de oposición ciudadana 0,02 0,2 0,35 0,57

Porcentaje de alteración ecosistema 0,06 0,46 0,33 0,85

Porcentaje rechazo zona turística 0,25 0,15 0,2 0,60




41

Tabla 3.3 Matriz de decisión normalizada

los terrenos de cultivo, ya que pueden destinarlos a otros usos, como por ejemplo

engorde de ganado. Por otro lado, como tampoco se conoce en qué fecha se hará el

cruce de los ríos, no se puede apreciar si esta operación se efectuará en épocas de

crecidas o de estiaje. Por ello se creyó más seguro considerar a todos los criterios como

cualitativos. Con respecto a medir criterios netamente cualitativos tales como la

„Oposición ciudadana‟, esta es el resultado de encuestas, entrevistas, reuniones con los

interesados, votaciones, etc.

Ya que todos los criterios son de minimización, los términos independientes de la

columna de la derecha tendrán los respectivos valores mínimos de cada fila, que se

indican subrayados.

Cuarto paso: Construcción de la matriz de resultados eficientes.

Se comienza extrayendo de la tabla 3.3 la primera meta (Costes estimados), que actuará

entonces como función objetivo de un problema monoobjetivo. Se ejecuta el Simplex

empleando el software elegido y se obtienen los valores de las alternativas que se

colocan en la primera fila de la matriz de resultados eficientes que muestra la tabla 3.4.

Se aprecia que para esta función objetivo, no participa la alternativa C, en tanto que la

alternativa B muestra un valor mucho más elevado que la alternativa A. Es decir, desde

el punto de vista de este objetivo de costes, la mejor solución es la alternativa B, lo cual

en cierta manera es previsible, dado que esta alternativa es la que registra el menor

coste. Sin embargo, esto puede no suceder y entonces la „previsión‟ no se cumple, y la

razón es que ésta puede verse alterada por los condicionamientos impuestos por las

otras 7 restricciones restantes.

Alternativas

. Ruta A Ruta B Ruta C

Metas

Costes estimados (Millones de €) 0,36 0,31 0,33 0,31 ≥ 0,31

Porcentaje áreas de cultivo afectadas 0,33 0,34 0,33 0,34 ≥ 0,33

Porcentaje de expropiaciones 0,61 0,22 0,17 0,22 ≥ 0,17

Cantidad de ríos a cruzar 0,67 0,00 0,33 0,00 ≥ 0,00

Bosques afectados (ha) 0,13 0,43 0,43 0,43 ≥ 0,13

Porcentaje de oposición ciudadana 0,04 0,35 0,61 0,35 ≥ 0,04

Porcentaje de alteración ecosistema 0,07 0,54 0,39 0,54 ≥ 0,07

Porcentaje rechazo zona turística 0,42 0,25 0,33 0,25 ≥ 0,25

42

Tabla 3.4 Matriz de resultados eficientes

Se reintegra esta función objetivo a la tabla 3.3, volviendo en consecuencia a ser una

meta.

Se extrae la segunda meta (Porcentaje de áreas de cultivo afectadas), que actuará

entonces como función objetivo de un problema monoobjetivo. Se ejecuta el Simplex

empleando el software elegido y se obtienen los valores de las alternativas que se

colocan en la segunda fila de la matriz de resultados eficientes que muestra la tabla 3.4.

Se aprecia que para esta función objetivo, no participa la alternativa B, y que ahora la

alternativa A tiene un valor muy elevado comparado con el de la alternativa C, aun

cuando tienen el mismo porcentaje 0,9 (tabla 3.2), lo cual significa que intervienen otros

factores para seleccionar la A en lugar de la C.

Se reintegra esta función objetivo a la tabla 3.3, volviendo en consecuencia a ser una

meta.

Se extrae la tercera meta (Porcentaje de expropiaciones) y se repite el procedimiento,

con lo cual se obtienen los valores que corresponden a la tercera fila de la tabla 3.4, que

favorece de manera absoluta a la alternativa C, lo cual es también previsible, dado que

C tiene el menor porcentaje. Aquí cabe el mismo análisis sobre „previsión‟ que se hizo

para el primer objetivo.

Se prosigue de la misma manera con todas las metas hasta completarlas y se tiene

entonces constituida en forma completa la matriz de resultados eficientes de la tabla 3.4.

Las celdas en blanco in dican que para un determinado objetivo hay alternativas que no

se han elegido.

Quinto paso: Normalización de la matriz de resultados eficientes

Se normaliza cada fila siguiendo el mismo procedimiento ya explicado, y se obtiene la

tabla 3.5 o sea la matriz de resultados eficientes normalizada.

Alternativas

Ruta A Ruta B Ruta C Suma de

Metas filas

Costes estimados (Millones de €) 0,032 0,947 0,979

Porcentaje áreas de cultivo afectadas 0,817 0,055 0,872

Porcentaje de expropiaciones 1 1

Cantidad de ríos a cruzar 1 1

Bosques afectados (ha) 1 1

Porcentaje de oposición ciudadana 1 1

Porcentaje de alteración ecosistema 1 1

Porcentaje rechazo zona turística 1 1




43

Tabla 3.5 Matriz de resultados eficientes normalizada

Sexto paso: Determinación de la importancia de cada alternativa.

La fila (SC) de la tabla 3.5 muestra la suma de los valores para cada columna. Aquí se

muestra entonces que desde el punto de vista de e la magnitud de los valores hallados, la

alternativa preferida es la A, luego la C y finalmente la B.

Séptimo paso: Cálculo del coeficiente de pertenencia (CP).

Si se analiza para cada alternativa la cantidad de veces que esta figura en las soluciones

se tienen los siguientes valores:

Alternativa A = 5 (ya que participa en las soluciones correspondientes a los objetivos 1,

2, 5, 6, y 7),

Alternativa B = 3 (ya que participa en los objetivos 1, 4 y 8),

Alternativa C = 2 (ya que participa en los objetivos 2 y 3).

Se calcula entonces el coeficiente de participación (CP) que será, considerando un total

de 8 objetivos:

Alternativa A = 5 / 8 = 0,625,

Alternativa B = 3 / 8 = 0,375,

Alternativa C = 2 / 8 = 0,250.

Octavo paso: Normalización de los CP que se indica en la fila CPN.

Noveno paso: Cálculo final.

Para cada columna se multiplica el CPN por la SC y se obtienen los valores finales para

cada alternativa.

Resultado: Los valores hallados indican que la alternativa A, con la valoración más

elevada, es la más conveniente, seguida por la B y la C.

Por lo tanto el ordenamiento final es:

A - B - C

Ruta A Ruta B Ruta C

Criterios Alternativas

Costes estimados (Millones de €) 0,033 0,967

Porcentaje áreas de cultivo afectadas 0,937 0,063

Porcentaje de expropiaciones 1

Cantidad de ríos a cruzar 1

Bosques afectados (ha) 1

Porcentaje de oposición ciudadana 1

Porcentaje de alteración ecosistema 1

Porcentaje rechazo zona turística 1

Suma de

Suma de columnas (SC) 3,970 2,967 1,063 filas

Coeficiente de participación (CP) 0,625 0,375 0,250 1,250

Coeficiente de participación normalizado (CPN) 0,500 0,300 0,200

Resultado (CPN x SC) 1,98 0,89 0,21

44

3.4.3 Equivalencia del resultado alcanzado por Simus

En la sección 2.8.1 se realizó un estudio comparativo sobre distintos modelos,

empleando un caso real, para contrastar resultados, que se repiten a continuación, pero

ahora con el agregado de la solución alcanzada por Simus. Ver tabla 3.6.

Tabla 3.6. Resultados de los distintos modelos para el aeropuerto de Maastricht

ALTERNATIVAS

A B C D

MODELOS Fuente

Regime/AHP/Flag 0,34 0,94 0,61 0,11 Vreeker et al, 2001

AHP 0,07 0,18 0,15 0,09 García et al, 2009

ANP 0,05 0,09 0,08 0,06 García et al, 2009

Promethee -0,25 0,19 0,01 0,00 García et al, 2009

Topsis 0,57 0,73 0,35 0,50 Munier, 2011

Simus 0,37 1,56 1,058 0,29 Munier, 2011

Por otro lado, la tabla 3.7 refleja el ordenamiento obtenido por Simus que se agrega a

los ordenamientos por los otros métodos.

Tabla 3.7 Ordenamientos de acuerdo a cada modelo

MODELOS ORDENAMIENTOS

Regime/AHP/Flag B – C – A - D

AHP B – C – D - A

ANP B – C – D - A

Promethee B – C - A

Topsis B – A – D - C

Simus B – C – A - D

Se aprecia que Simus obtiene ordenamientos equivalentes a los de los otros métodos.

3.4.4 Calculo de la entropía para cada conjunto de resultados

Normalmente interesa evaluar la diferencia entre dos valores contiguos o entre los

valores extremos de un resultado, para conocer en qué medida una alternativa puede

considerarse mejor que otra, ya que es indudable que si una alternativa A por ejemplo,

tiene el valor 0,36 y otra B el valor 0,37, ambas pueden considerarse como equivalentes

en lo relativo a su posición en el ordenamiento. En consecuencia, es evidente que

mientras mayor sea la diferencia, o sea mientras más discriminante sea la solución,

mayor será la seguridad de elegir entre una alternativa y otra.




45

Observando la tabla 3.7 se verifica que ésta muestra, por simple observación, cuál de los

modelos arroja la mayor discriminación, aunque es dificultoso llegar a una conclusión.

Este trabajo propone emplear el concepto desarrollado por Zeleny (2000) para medir el

grado de discriminación, aplicando el ya mencionado teorema de Shannon (Shannon,

1948). El resultado se muestra en la tabla 3.8, que agrupa los distintos métodos de

acuerdo a su entropía. Se recuerda que la discriminación es mayor mientras menor sea

la entropía, y se verifica que, de acuerdo a este procedimiento, tanto el método seguido

por los autores como Simus arrojan la mayor discriminación.

Tabla 3.8 Listado de modelos según su entropía

Alternativas

Modelos

A B C D Entropía

Regime -0,36 -0,36 -0,30 -0,16 0,29

Simus -0,25 -0,35 -0,36 -0,21 0,29

AHP -0,28 -0,37 -0,36 -0,31 0,33

ANP -0,31 -0,36 -0,36 -0,33 0,34

Topsis -0,35 -0,37 -0,29 -0,34 0,34

Se ha descartado el modelo Promethee ya que suministra valores muy extremos, dado

que estos oscilan entre -0,25 y 0,19. Se aprecia que los valores extremos, considerando

todos los modelos varian en (0,34 – 0,29 ) / 0,29 = 0,17 = 17 % .


Se aplica también a problemas de decisión, sin embargo se emplea para tratar un caso

distinto de los tratados, ya que es específico a la situación donde hay una gran cantidad

de elementos discretos (quizás varios cientos) y se desea obtener un conjunto final

reducido, de quizás un 10 o 15 % de esa cantidad. Se aplica fundamentalmente a la

selección de indicadores e introduce además la condición de que los indicadores

seleccionados incorporen la mayor cantidad de información posible. Puede generar una

solución óptima, ya que trabaja con un solo objetivo. Los criterios se emplean aquí

como se ha visto en otros casos para evaluar los indicadores, sin embargo, el centro

decisor puede desear establecer que haya una cierta cantidad mínima de indicadores por

criterio. Por ejemplo si un criterio importante es „minimizar el consumo de agua‟,

quizás el centro decisor no se conforma con tener sólo ese indicador, dada la

importancia del tema, y entonces desea algunos otros relacionados con el mismo. En ese

caso el resultado puede indicar que para este criterio se dispondrá asimismo de

indicadores tales como „pérdidas de agua en la red‟ y también de otro como „relación

entre la provisión diaria de agua y la descarga de aguas servidas‟

46

3.4.5.1 Explicación detallada de los pasos a seguir para aplicar el módulo 4

Primer paso: Consiste en una preselección de los indicadores disponibles. Ésta se

ejecuta combinando dos evaluaciones:

a) La importancia del indicador referida a la cantidad de otros indicadores a las cuales

influye (a) y

b) La apreciación personal de los analistas considerando la necesidad del problema a

tratar (b),

Segundo paso. Se halla el promedio entre ambas mediciones para cada indicador,

Pj =

(3.1)

Tercer paso: Se calcula la entropía de cada indicador mediante la fórmula:

Sj = Pj ln (Pj) (3.2)

y la del sistema en general, mediante la fórmula:

S = -

(3.3)

Donde:

N = Cantidad total de indicadores

Cuarto paso: Se calcula la participación entrópica de cada indicador xj en la entropía

del sistema, mediante la fórmula:

x entrópico = Pj x S (3.4)

Quinto paso: Se emplean estos valores como coeficientes de la función objetivo que

consiste en maximizar el contenido de la información, de acuerdo al teorema de

Shannon (1948) entonces:

Z = xentrópico x xj (Maximizar la cantidad de información) (3.5)

Sexto paso: Se establecen los criterios del problema a los cuales deben ajustarse los

indicadores. Es de destacar que se entiende como “criterio a los objetivos, atributos o

metas que se consideran relevantes en un cierto problema decisional” (Romero, 1996).

Séptimo paso: Se establecen relaciones de pertenencia entre cada alternativa y cada

criterio, empleando una matriz 0-1. Para ello se construye una „matriz de pertenencia‟

(tabla 3.9) con indicadores en columnas y criterios de selección en filas, tantos como se

deseen en ambos. En este ejemplo se consideran sólo los indicadores x4, x5, x6 y x7.

Los expertos analizan para cada indicador con cual criterio está relacionado, y una vez

que se llega a un acuerdo, se coloca un (1) si hay pertenencia.




47

Esta matriz es en realidad una matriz de decisión, en la cual son conocidas las columnas

de acción (Maximizar o Minimizar) y de limites o términos de la derecha (que aquí se

denominan „Cantidades requeridas‟). Esta columna de requerimientos expresa los

deseos del centro decisor relativos a la cantidad de indicadores que desea obtener para

cada criterio y que depende de sus preferencias o necesidades. Por ejemplo, para el

criterio C2 puede decir „Quiero al menos 3 indicadores que se refieran a este criterio‟.

Obsérvese la condición de „al menos‟, lo cual está indicando una relación de mínimo,

expresada por el operador „≥‟.

Tabla 3.9 Matriz de pertenencia

Cantidad total de indicadores deseados = k

x entrópico x4 x5 x6 x7 xn Acción

Preferencias

del centro decisor

Cantidad requerida de

indicadores

por criterio

Indicadores 4 5 6 7

……

……. n

Criterios 1

C1 1 1

C2 1 1 1 ≥ Elegir al

menos 3

C3 1 1

……..

……..

Cm

Indicadores

seleccionados 1 1

En consecuencia esa fila queda expresada como una inecuación del tipo:

x4 + x5 + + x7 ≥ 3 (3.6)

Octavo paso: Se establece la cantidad total de indicadores finales (k) que se desee

obtener (Primera fila de la tabla).

Noveno paso: Se ejecuta el Simplex cuya función objetivo es „Maximizar la cantidad de

información‟.

El resultado, indicado en forma binaria se indica en la última fila de la tabla. Este

resultado es el conjunto de indicadores, en la cantidad deseada, que cumplen con todas

las restricciones del problema y que además maximizan la cantidad de información.

Este último concepto, dicho de otra manera puede enunciarse como la mínima cantidad

de indicadores que mejor representan las condiciones ambientales.

3.4.6 Cuadro sinóptico de funciones monoobjetivo y multiobjetivo y módulos a

emplear El cuadro sinóptico de la figura 3.4 condensa esta información para las funciones monoobjetivo

y multiobjetivo

48

Todos los criterios cuantitativos: Resolución por el método Simplex

estándar de la PL

Si la función es

Monoobjetivo Todos los criterios cualitativos o una mezcla con cuantitativos:

Emplear el Módulo 1 y resolver por el método Simplex estándar

Ejemplo: Caso resuelto en Munier (2011)

Ejemplo: Caso resuelto en Munier (2004)

Todos los criterios cuantitativos: Emplear el Módulo 2

Si la función es

Multiobjetivo Todos los criterios cualitativos o una mezcla con cuantitativos

Emplear primero el Módulo 1 y luego el Módulo 2

Si la función es

Monoobjetivo y

consiste en maximizar Emplear Módulo 4 y resolver por método Simplex estándar

el contenido de la Ejemplo: Caso resuelto en Munier (2011)

información a indicadores

medioambientales

Todos los criterios cuantitativos: Emplear el Módulo 2

Si la función es

Multiobjetivo

Todos los criterios cualitativos o una mezcla con cuantitativos

Emplear los Módulos 1 y 2

Ejemplos: Tabla 6.4, Sección 6.4, Capítulo 6

Figura 3.4 Cuadro sinóptico para procedimientos con funciones monoobjetivo y multiobjetivo

3.4.7 Análisis de sensibilidad Es de destacar que desde el punto del análisis de sensibilidad, el Solver provee tres diferentes

mecanismos que son:

* Límites: Se aplica a los valores hallados en la solución.

Establece valores mínimos y máximos que puede tomar cada alternativa para satisfacer todas las

restricciones del problema, cumpliendo las restricciones y manteniendo constantes el resto de

las alternativas.

* Sensibilidad: Se aplica a las restricciones.

Informa para cada restricción cuanto puede cambiar el término independiente sin que cambie el

valor dual. Es decir, una vez conocidas las restricciones que forman parte de la solución,

informa en cuánto puede variar cada una (es decir cuanto puede trasladarse paralelamente a si

misma), para que siga perteneciendo a la solución.

* Respuesta: Se aplica a la solución y a las restricciones




49

Informa cuales son las restricciones que participan en la solución y suministra sus valores

marginales.

El modelo Simus aprovecha las ventajas inherentes al análisis de sensibilidad que provee la PL;

para ello emplea el dual para determinar cuáles son los criterios más importantes para cada

objetivo planteado. Conociendo la cantidad de veces en que una restricción interviene en la

gama completa de objetivos planteados, es posible establecer cuantitativamente un ranking

sobre la importancia de cada uno.

En el caso de esta tesis este análisis de sensibilidad se ha empleado para contrastar resultados

con otros modelos, pero lógicamente el análisis de sensibilidad tiene otros alcances aparte del

descrito, y por otro lado la contratación se puede efectuar por otros medios, como se muestra en

la Sección 6.4.

50

CAPÍTULO 4 CASOS DE ESTUDIO

Este capítulo tiene por objeto mostrar el empleo de Simus para tratar proyectos con

múltiples objetivos. Para ello se contrastan los resultados alcanzados al resolver un

problema por Simus y por el método Electre.

4.1 Resolución por Simus de un problema real complejo - Contrastación de

resultados alcanzado con Electre

Este caso corresponde a un proyecto titulado „Desarrollo de la tierra en el puerto de

Keelung‟

Título original: “Multicriteria decision-making using Electre” - Desarrollado por Huang

et al, (2005).

4.1.1 Antecedentes

El proyecto consiste en decidir el uso a dar a la tierra en el puerto de Keelung en

Taiwán. Para ello se consideran 6 alternativas etiquetadas con letras, desde A a F, y 18

criterios. Tanto las alternativas como los criterios se identifican en la matriz de decisión

de la tabla 4.1. El problema se resolverá por Simus y sus resultados se analizarán y

compararán con los obtenidos por los autores que emplearon el método Electre.

Las seis alternativas están indicadas en columnas en tanto que los 18 criterios

corresponden a las filas. Los valores de los coeficientes de las alternativas han sido

calculados por los autores originales. Se aprecia que la gran mayoría de los criterios son

cualitativos y que responden a acciones de maximizar y minimizar.

La ordenación obtenida por los autores es A – F – B/C – E – D.

La barra „/‟ entre B y C indica que ambas alternativas tienen valores muy semejantes y

que, por lo tanto, es indistinto que en el tercer lugar se considere una u otra.

4.1.2 Resolución por Simus utilizando los Módulos 1 y 2

Se comienza normalizando la matriz de la tabla 4.1; la matriz normalizada se muestra en

la tabla 4.2.

La columna de „Limites requeridos‟ muestra la adopción del módulo 1 de Simus, es

decir asignar al término independiente de la derecha y, para cada fila, el mayor o menor

valor (de acuerdo al operador), de los valores situados a la izquierda. Así, para el primer

criterio cuya acción es „menor o igual que‟ se ha elegido el mayor valor, o sea 0,19, en

tanto que para el segundo, con acción de „mayor o igual que‟ se ha elegido el menor

valor, o sea 0,13.

52

A continuación se aplicó el módulo 2, referido a la construcción de la matriz de

resultados eficientes, que se muestra en la tabla 4.3, la cual, normalizada, se reproduce

como tabla 4.4. Ésta indica el resultado final que es:

A – F – B – C – E/D

Comparación de las dos soluciones

Las dos soluciones encontradas, es decir la de los autores y la de Simus, se reproducen

en conjunto para facilitar su comparación.

Autores A – F – B/C – E/D

Simus A – F – B – C – E/D

Tabla 4.1 Matriz de decisión para el proyecto en el puerto de Keelung

ALTERNATIVAS

A B C D E F

Factibilidad Factibilidad Cumplimiento Impacto en Factibilidad Comporta-

regional y económica y del interés el medio política y de miento para la

de transporte financiera público ambiente implementación defensa Suma de

I.D. CRITERIOS nacional cada fila

1 Conveniencia para transporte externo 6 7 6 7 8 8 42

2 Espacios para requerimientos 69,9 89,9 70,1 89,9 99,9 99,9 519,6

3 Localización geográfica 7 8 6 7 6 6 40

4 Factibilidad financiera 149 8 143 60 64 80 504

5 Mejora de la competitividad del puerto 9 9 5 7 4 6 40

6 Asegurar integración eficiente del puerto y de la ciudad 6 7 5 6 4 3 31

7 Políticas gubernamentales y tendencia 49,1 50,1 59,5 49,8 39,7 40,2 288,4

8 Estimulo al desarrollo ind. y oportunidades de trabajo 300 280 220 245 220 230 1495

9 Ruido y contaminación del aire 8 8 7 8 6 8 45

10 Impacto en la ecología y en el paisaje 8 4 6 8 4 5 35

11 Compatibilidad con el patrimonio cultural e histórico 9 5 5 5 7 5 36

12 Dificultad de las tecnologías ingenieriles 6 6 6 7 7 9 41

13 Voluntad y cooperación pública 95,4 34,3 40,2 29,8 45,6 60,8 306,1

14 Coordinación con unidades relevantes 9 8 8 7 9 8 49

15 Factibilidad de cumplimentar las normas legales 80,1 59,9 90,1 58,9 99,8 89,5 478,3

16 Asegurar la seguridad general en el puerto 2 4 10 3 5 10 34

17 Comportamiento general para la capacidad de combate 2 4 10 3 6 10 35

18 Asegurar la seguridad de las naves de guerra 2 4 10 3 6 10 35

54

Tabla 4.2 Matriz de decisión normalizada

ALTERNATIVAS

A B C D E F



de transporte financiera público ambiente implementación defensa Límites

nacional Resultado requeridos

I.D. CRITERIOS DE SELECCIÓN COEFICIENTES DE LAS ALTERNATIVAS Acción del cálculo Operador Módulo 1

1 Conveniencia para transporte externo 1 0,14 0,17 0,14 0,17 0,19 0,19 MAX 0,190 ≤ 0,19

2 Espacios para requerimientos 2 0,13 0,17 0,13 0,17 0,19 0,19 MIN 0,196 ≥ 0,13

3 Localización geográfica 3 0,18 0,20 0,15 0,18 0,15 0,15 MAX 0,212 ≤ 0,20

4 Factibilidad financiera 4 0,30 0,02 0,28 0,12 0,13 0,16 MAX 0,060 ≤ 0,30

5 Mejora de la competitividad del puerto 5 0,23 0,23 0,13 0,18 0,10 0,15 MAX 0,225 ≤ 0,23

6 Asegurar integración eficiente del puerto y de la ciudad 6 0,19 0,23 0,16 0,19 0,13 0,10 MAX 0,230 ≤ 0,23

7 Políticas gubernamentales y tendencia 7 0,17 0,17 0,21 0,17 0,14 0,14 MAX 0,190 ≤ 0,21

8 Estimulo al desarrollo ind. y oportunidades de trabajo 8 0,20 0,19 0,15 0,16 0,15 0,15 MAX 0,200 ≤ 0,20

9 Ruido y contaminación del aire 9 0,18 0,18 0,16 0,18 0,13 0,18 MIN 0,194 ≥ 0,13

10 Impacto en la ecología y en el paisaje 10 0,23 0,11 0,17 0,23 0,11 0,14 MIN 0,145 ≥ 0,11

11 Compatibilidad con el patrimonio cultural e histórico 11 0,25 0,14 0,14 0,14 0,19 0,14 MAX 0,163 ≤ 0,25

12 Dificultad de las tecnologías ingenieriles 12 0,15 0,15 0,15 0,17 0,17 0,22 MIN 0,174 ≥ 0,15

13 Voluntad y cooperación pública 13 0,31 0,11 0,13 0,10 0,15 0,20 MAX 0,134 ≤ 0,31

14 Coordinación con unidades relevantes 14 0,18 0,16 0,16 0,14 0,18 0,16 MAX 0,184 ≤ 0,18

15 Factibilidad de cumplimentar las normas legales 15 0,17 0,13 0,19 0,12 0,21 0,19 MAX 0,156 ≤ 0,21

16 Asegurar la seguridad general en el puerto 16 0,06 0,12 0,29 0,09 0,15 0,29 MAX 0,148 ≤ 0,29

17 Comportamiento general para la capacidad de combate 17 0,06 0,11 0,29 0,09 0,17 0,29 MAX 0,147 ≤ 0,29

18 Asegurar la seguridad de las naves de guerra 18 0,06 0,11 0,29 0,09 0,17 0,29 MAX 0,147 ≤ 0,29

Vector de los sucesivos resultados de SIMUS 0,000 0,806 0,038 0,113 0,119 0,048

Función objetivo 0,2118

Ordenamiento de autores empleando Electre: A - F- B/C -E/D

Tabla 4.3 Matriz de resultados eficientes

ALTERNATIVAS

A B C D E F



de transporte financiera público ambiente implementación defensa Suma de

filas

Conveniencia para transporte externo 0,64 0,56 1,21

Espacios para requerimientos 0,11 0,61 0,72

Localización geográfica 0,18 0,29 0,02 0,67 1,15

Factibilidad financiera 0,40 0,68 1,08

Mejora de la competitividad del puerto 1,00 1,00

Asegurar integración eficiente del puerto y de la ciudad 0,35 0,69 1,04

Políticas gubernamentales y tendencia 0,93 0,22 1,15

Estimulo al desarrollo ind. y oportunidades de trabajo 0,60 0,00 0,50 0,00 1,11

Ruido y contaminación del aire 0,11 0,78 0,88

Impacto en la ecología y en el paisaje 0,24 0,50 0,74

Compatibilidad con el patrimonio cultural e histórico 1,00 1,00

Dificultad de las tecnologías ingenieriles 0,66 0,16 0,82

Voluntad y cooperación pública 1,00 1,00

Coordinación con unidades relevantes 0,48 0,13 0,53 1,14

Factibilidad de cumplimentar las normas legales 0,37 0,23 0,50 1,10

Asegurar la seguridad general en el puerto 0,20 0,39 0,53 1,12

Comportamiento general para la capacidad de combate 0,00 0,08 0,25 0,00 0,16 0,66 1,15

Asegurar la seguridad de las naves de guerra 0,00 0,25 0,00 0,16 0,66 1,07

56

Tabla 4.4 Matriz de resultados eficientes normalizada

ALTERNATIVAS



de transporte financiera público ambiente implementación defensa

nacional

A B C D E F

Conveniencia para transporte externo 0.53 0.47

Espacios para requerimientos 0.15 0.85

Localización geográfica 0.16 0.25 0.01 0.58

Factibilidad financiera 0.37 0.63

Mejora de la competitividad del puerto 1.00

Asegurar integración eficiente del puerto y de la ciudad 0.33 0.67

Políticas gubernamentales y tendencia 0.81 0.19

Estimulo al desarrollo ind. y oportunidades de trabajo 0.54 0.45

Ruido y contaminación del aire 0.12 0.88

Impacto en la ecología y en el paisaje 0.33 0.67

Compatibilidad con el patrimonio cultural e histórico 1.00

Dificultad de las tecnologías ingenieriles 0.80 0.20

Voluntad y cooperación pública 1.00

Coordinación con unidades relevantes 0.42 0.11 0.47

Factibilidad de cumplimentar las normas legales 0.33 0.21 0.46

Asegurar la seguridad general en el puerto 0.18 0.35 0.47

Comportamiento general para la capacidad de combate 0.07 0.22 0.14 0.57

Asegurar la seguridad de las naves de guerra 0.24 0.15 0.62 Suma de

Suma de columnas (SC) 3.97 3.08 2.59 2.07 2.17 4.10 fila

Factor de participación (FP) 0.44 0.39 0.39 0.33 0.33 0.39 2.28

Factor de participación normalizado (FPN)) 0.20 0.17 0.17 0.15 0.15 0.17

Resultado = (SC) x (FPN) 0.77 0.53 0.44 0.30 0.32 0.70

Ordenamiento: A - F - B - C - E/D


selección de alternativas en proyectos de naturaleza compleja

y con objetivos múltiples

57

4.1.3 Correlación entre los resultados de ambos métodos

Considerando ahora que la solución dual del Simplex produce los valores cuantitativos

marginales de aquellos criterios que participan en la solución, es decir los criterios

cuyas líneas, planos o hiperplanos determinan el punto de óptimo, existe entonces para

cada solución un conjunto de criterios que tienen la mayor significación en el problema.

En consecuencia, es posible evaluar la importancia de un criterio dado teniendo en

cuenta la cantidad de soluciones en las cuales participa.

Por ejemplo, cuando se emplea como objetivo la meta número 03, „Localización

geográfica‟, la correspondiente solución dual (no mostrada), está compuesta por cinco

valores que se corresponden a otras tantas metas o restricciones del problema. Esas

metas se detallan en la tabla 4.5.

Tabla 4.5 Valores marginales correspondientes a la

función objetivo ‘Localización geográfica’

Se aprecia que la meta o criterio que mayor influencia tiene en la función objetivo es la

número 8, seguida por la 6, la 1, la 5 y la 14. Por lo tanto, en el espacio de 6

dimensiones al que pertenece este ejemplo, hay 5 hiperplanos que definen la solución

óptima, conformada por las alternativas A (0.18), B (0.29), C (0.02) y D (0,67) (tabla

4.3).

Un análisis similar se ha realizado este análisis para cada objetivo, y los resultados se

detallan en la tabla 4.6.

La tabla 4.7 muestra, para una misma meta o criterio:

a) el valor del peso asignado por los autores originales del trabajo,

b) la cantidad de veces que un criterio o meta forman parte de una solución, de acuerdo

con la tabla 4.6.

Metas

número Descripción

Valor

marginal

1 Conveniencia para el transporte externo 0,228

5 Mejorar la competitividad del puerto 0,169

6 Asegurar la integración eficiente del puerto y la

ciudad 0,261

8 Estimulo al desarrollo industrial y oportunidades de

trabajo 0,270

14 Coordinación con unidades relevantes 0,089

58

Tabla 4.6 Datos para efectuar una concordancia entre pesos de criterios y valores marginales

Tabla 4.7 Pesos para los criterios y veces que un criterio es parte de la solución

Interesa analizar si existe alguna clase de correlación entre ambos conjuntos de cifras,

aunque sus significados sean distintos. Graficando en forma conjunta las cantidades de

pesos asignados y los valores marginales, se obtiene la figura 4.1.

Para la función objetivo

correspondiente a cada fila

las metas que conforman

la solución son:

I.D. Funciones objetivo

1 Conveniencia para transporte externo 3 - 14

2 Espacios para requerimientos 9 - 12

3 Localización geográfica 1 - 5 - 6 - 8 - 14

4 Factibilidad financiera 7-14

5 Mejorar la competitividad del puerto 8

6 Asegurar integración eficiente del puerto y de la ciudad 3 - 5

7 Políticas gubernamentales y tendencia 14 - 6

8 Estímulo al desarrollo ind. y oportunidades de trabajo 5 - 14

9 Ruido y contaminación del aire 10 - 12

10 Impacto en la ecología y en el paisaje 9 - 12

11 Compatibilidad con el patrimonio cultural e histórico 8 - 14

12 Dificultad de las tecnologías ingenieriles 2 - 10

13 Voluntad y cooperación pública 2 - 8

14 Coordinación con unidades relevantes 1 - 7 - 8

15 Factibilidad de cumplimentar las normas legales 7 - 4 - 18

16 Asegurar la seguridad general en el puerto 18

17 Comportamiento general para la capacidad de combate 18

18 Asegurar la seguridad de las naves de guerra 17

Cantidad de veces Normalización Pesos asignados

que un criterio forma columna de la a los criterios en

parte de una solución izquierda Electre

I.D. Metas o criterios (Del dual del problema)

1 Conveniencia para transporte externo 2 0.05 0,04

2 Espacios para requerimientos 2 0.05 0,04

3 Localización geográfica 2 0.05 0,06

4 Factibilidad financiera 1 0.03 0,02

5 Mejorar la competitividad del puerto 3 0.08 0,21

6 Asegurar integración eficiente del puerto y de la ciudad 1 0.03 0,03

7 Políticas gubernamentales y tendencia 3 0.08 0,03

8 Estímulo al desarrollo ind. y oportunidades de trabajo 5 0.14 0,10

9 Ruido y contaminación del aire 2 0.05 0,02

10 Impacto en la ecología y en el paisaje 2 0.05 0,12

11 Compatibilidad con el patrimonio cultural e histórico 0 0.00 0,18

12 Dificultad de las tecnologías ingenieriles 3 0.08 0,01

13 Voluntad y cooperación pública 0 0.00 0,02

14 Coordinación con unidades relevantes 6 0.16 0,04

15 Factibilidad de cumplimentar las normas legales 0 0.00 0,02

16 Asegurar la seguridad general en el puerto 1 0.03 0,02

17 Comportamiento general para la capacidad de combate 1 0.03 0,02

18 Asegurar la seguridad de las naves de guerra 3 0.08 0,02




59

Figura 4.1 Comparación gráfica del sentido de crecimiento y decrecimiento de

pesos y frecuencia de aparición de criterios en las diferentes soluciones

4.1.4 Análisis del resultado

Analizando el grafico se comprueba que existe una concordancia en el sentido de

crecimiento o decrecimiento de ambos valores en 15 criterios; es decir que un 83 % de

los criterios varían en el mismo sentido considerando ambos sistemas de valoración, en

tanto que hay 3 criterios que varían en sentido opuesto (los criterios 11, 12 y 13).

Esta alta concordancia en el sentido de variación de los criterios podría ser la causa del

alto grado de concordancia que hay entre los dos métodos, como lo demuestran las

ordenaciones de los autores y de Simus 1-2.

Variación en el mimo sentido: Criterios 1,2,3,4,5,6,7,8,9,12,14,15,16 y 17, o sea para el

78 % de los criterios,

Variación en sentido contrario: Criterios 11, 12, 13 y 14, o sea para el 22 % de los

criterios.

Se observa una gran discrepancia de valores porcentuales para los criterios 5,11,12 y 18,

o sea para el 22 % de los criterios.

Esta diferencia porcentual de „intensidades de preferencia‟ puede emplearse para

comparar la valoración efectuada por los autores originales con los valores de

importancia arrojados por Simus. Así, parecería que al criterio 5 se le ha asignado un

peso elevado en comparación con el resto y lo mismo puede conjeturarse para los

criterios 11 y 14. Sin pretender emitir ningún tipo de juicio sobre los motivos de estas

0.04 0.04

0.06

0.02

0.21

0.03 0.03

0.10

0.02

0.12

0.18

0.01 0.02

0.04

0.02 0.02 0.02 0.02

0.05 0.05 0.05

0.03

0.08

0.03

0.08

0.14

0.05 0.05

0.00

0.08

0.00

0.16

0.00

0.03 0.03

0.08

0.00

0.05

0.10

0.15

0.20

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Pesos de criterios en Electre Valores marginales en Simus

60

diferencias, se destaca que el modelo Simus podría quizás usarse como referencia para

el cálculo de los pesos.

4.1.5 Conclusión de este ejemplo

El ejemplo comentado ilustra el método Simus, al permitir abordar problemas con

criterios y valores subjetivos y también con objetivos múltiples, empleando en forma

reiterada el método Simplex de PL. Se ha ejemplificado el empleo y la versatilidad de

Simus hallando la solución a un problema con 18 objetivos y que fuera resuelto por otra

metodología. Los resultados muestran la equivalencia de las soluciones entre ambos

métodos, y se ha llevado a cabo asimismo una discusión de los resultados.

El Módulo 4, es decir la incorporación de la condición de obtener la mayor cantidad

posible de información de los datos originales, no se aplica a este caso ya que su

propósito es fundamentalmente la selección de indicadores, ya sean ambientales,

urbanos o de cualquier otro tipo. Para completar el tema se ha analizado la posible

concordancia entre los valores porcentuales de los pesos asignados a los criterios por los

autores originales del trabajo, y la cantidad porcentual de veces en que un criterio

participa en una solución, y se ha comprobado que existe una concordancia elevada que

se manifiesta por el sentido (aumento o disminución) en la variación porcentual de un

criterio relativo a otros. Naturalmente, un solo ejemplo no es suficiente prueba de la

bondad de una metodología, y por ello en la tabla 6.4 se aborda una comparación con 45

casos distintos resueltos por diferentes autores mediante diversos modelos.

CAPÍTULO 5 COMENTARIOS SOBRE ARTÍCULOS

PUBLICADOS EN EL COMPENDIO

Se comenta a continuación la naturaleza de los artículos publicados en revistas

internacionales especializadas. De los tres artículos comentados, el primero y el tercero

han sido publicados en revistas indexadas, en tanto que el segundo en una prestigiosa

revista especializada.

5.1 Artículo publicado en ‘Ecological Indicators’ 11(2011) 1020-1026

Título:

Methodology to select a set of urban sustainability indicators to measure the state of

the city, and performance assessment

(Metodología para seleccionar un conjunto de indicadores urbanos sostenibles para

medir el estado de una ciudad, y para evaluar su desempeño)

Autor: Nolberto Munier

5.1.1 Descripción del problema

Constituye una aplicación atípica de la PL, debido a las condiciones que exige el

problema planteado. Se trata de un caso que plantea una temática compleja y que se

soluciona aplicando el módulo 4 de Simus (Sección 3.4.5).

Hemos aplicado esta metodología a un problema real planteado por el Ministerio del

Medio Ambiente de Canadá partiendo de varios cientos de indicadores ecológicos

iniciales propuestos a fin de medir ciertos impactos. Para aclarar conceptos se define como

impacto a una consecuencia que puede tener un proyecto, cuya intensidad puede o no medirse.

Por su parte, un indicador se define como una métrica que tiene por objeto poner límites a ese

impacto y además medir su evolución.

El objetivo de este trabajo fue determinar el cumplimiento de una serie de condiciones,

a saber:

1) Primera condición: Diseñar un conjunto final manejable de indicadores clave, quizás

entre un 15 y 20 por ciento del número original, a determinar a voluntad del centro

decisor, y sujetos a que:

2) Segunda condición: Los indicadores se han de seleccionar en base a unos criterios

definidos por el centro decisor y considerando si existe o no una pertenencia de los

62

indicadores a estos criterios, pertenencia ésta determinada mediante un consenso de

expertos, y

3) Tercera condición: Que el conjunto de indicadores finales seleccionados concentre la

mayor cantidad de información posible, a partir de los indicadores originales. Es decir,

tratar de construir un conjunto de indicadores clave que incorpore la máxima cantidad

posible de factores que afectan al medio ambiente, a fin de permitir su control.

A su vez, los indicadores están sujetos a criterios, que deben cumplir con el requisito de

estar cada uno representado por una cantidad especificada mínima de indicadores, y que

suele ser distinta en función de la importancia asignada a cada indicador por el centro

decisor.

5.1.2 Indicadores relacionados con los criterios de selección y estimación de su

importancia absoluta

Para la primera condición, el centro decisor, de común acuerdo con los

expertos, determinaron el número de indicadores finales deseados.

Para la segunda condición, se reunió un grupo de expertos que evaluó cada

indicador con respecto a cada criterio y determinó si existía o no una relación

de pertenencia. Por ejemplo, es evidente que un indicador, tal como el

número 9, „Tasa de desempleo‟, está directamente vinculado con criterios

tales como „Efectos inter-generacionales‟, „Desarrollo económico‟ o

„Bienestar individual‟, y no está relacionado con „Vivir de los intereses‟ (no

se refiere a los intereses que devenga un capital sino a las producciones

periódicas e indefinidas de aquellos bienes que se renuevan en forma

continua, como el aire, agua, cosechas, pesca, etc.), ni tampoco hay vínculo

por ejemplo con el „Mínimo impacto en el medio ambiente‟. Cada relación de

pertenencia se discutió y analizó entre las partes interesadas, y el resultado,

expresado por la matriz de decisión (Tabla 5 del artículo), representó

entonces un consenso.

Las diferentes categorías de criterios son:

Criterios de sostenibilidad,

Criterios generales de selección,

Criterios relativos a las áreas de aplicación,

Criterios inherentes al marco de la OCDE.

Por otro lado, y empleando el mismo procedimiento, todos los analistas asignaron a

cada indicador un valor de importancia sobre una escala de 1 a 10 siguiendo un

procedimiento que consistió en analizar mediante grafos las relaciones de carácter

primario, secundario y terciario existentes. El peso se asignó en función de esas

interrelaciones, a mayor valor mejor, teniendo en cuenta no sólo su importancia sino

también su influencia sobre otros indicadores o sobre otros aspectos ambientales. Es

decir se consideraron los posibles efectos secundarios o quizás paralelos, y además se

tuvo en cuenta la cantidad de información que cada indicador puede aportar.




63

Por ejemplo, la cantidad de automóviles por habitante es un indicador relacionado con

la contaminación del aire, con la congestión en las calles de la ciudad, con el consumo

de combustible, etc. Este análisis se puede efectuar mediante un procedimiento de

matrices encadenadas, procedimiento desarrollado en este trabajo (ver Sección 3.2.1), y

debido al conocimiento de los expertos sobre el tema, y a los antecedentes existentes

sobre los indicadores originales. La calificación final para cada indicador se obtuvo

mediante un consenso promediado.

Cuando en la comparación se entendió que existía una relación directa entre un

indicador y un criterio se asignó un „1‟ a la intersección de la columna (indicador) con

la correspondiente fila (criterio). Cuando se completó este análisis de influencia o

pertenencia se obtuvo la matriz de decisión de la tabla 5 del artículo y que reproduce

aquí como figura 5.1. Es en realidad una matriz 0-1 y constituye la base de datos con el

cual trabaja el método Simplex. Por razones tipográficas y de restricciones de espacio

para la impresión del artículo por parte de la publicación, la parte de la matriz que

corresponde a „General selection criteria‟, o sea „Criterios generales de selección‟,

aparece vacía, pero en realidad esa submatriz, debería estar situada a la derecha de la

matriz dibujada, como ocurre en la realidad. Sin embargo, la matriz completa puede

observarse en la figura 5.1.

5.1.3 Criterios de selección

Se consideran en este ejemplo 16 indicadores sujetos a 25 criterios, que se corresponden

con las cuatro áreas siguientes:

Metas sostenibles (Sustainable targets) (9),

Criterios generales de selección (General selection criteria) (7),

Áreas de aplicación (Areas) (6),

Marco de referencia de la OCDE (OECD framework) (3).

Para cada criterio se estableció un umbral que respondía a la acción de „mayor o igual

que‟ y que expresa que un criterio en particular debe estar representado, como mínimo,

por una cantidad determinada de indicadores que impuso el analista, de acuerdo a lo que

él consideró suficiente sobre la base de la importancia del criterio. Así, para un criterio

significativo tal como „Intergeneracional‟ (Inter-generation) puede desearse que, como

mínimo, haya dos indicadores que lo examinen. Lo mismo para otros criterios donde el

centro decisor expresó por ejemplo: “Para este criterio deben haber 4 indicadores”,

para “Este otro 3” y así sucesivamente.

Esta restricción se impuso teniendo en cuenta lo que el centro decisor consideró más

necesario e importante. Por otro lado, es posible y muy sencillo cambiar estos valores

(ya que no están vinculados unos con otros, es decir no hay compensación al ser valores

absolutos y no relativos), hallar nuevas entropías y resultados, y sobretodo conocer

cuáles son los criterios importantes en función de los valores de las contribuciones

64

marginales (problema dual) de cada uno, y que aparecen en forma automática en cada

solución del problema primal

Para ello se calculó la entropía de cada uno de los indicadores iniciales mediante su

fórmula, y este valor, normalizado, se usó como coeficiente de la función objetivo. Los

valores de la entropía para cada coeficiente se encuentran en la figura 5.1 en la fila

„Entropy‟. La entropía para todo el sistema, se indica en la misma fila, a la derecha y

tiene un valor de 0,1038.

5.1.4 La función objetivo

El problema así planteado se resolvió por PL usando como función objetivo el

maximizar la cantidad de información, es decir, corresponde a un caso mono-objetivo y,

como tal, si el sistema tiene solución, se alcanza un óptimo de Pareto. El modelo se

planteó en Excel®, se ejecutó mediante el método Simplex, y se empleó el software

Solver®. El resultado arrojó no sólo un conjunto de indicadores que cumple con todas

las restricciones impuestas, sino que además concentra la mayor cantidad de

información que pueden suministrar los indicadores iniciales.

5.1.5 Discusión del resultado de la metodología propuesta

Hay varios aspectos que analizar con respecto a la validez y eficacia del método

empleado.

El primero está relacionado con la obtención de la información que ha obedecido a la

adopción de un procedimiento como es la consulta ponderada y consensuada de

expertos, en lo referente a la calificación sobre el peso de cada indicador, y que es un

método normalmente usado en este tipo de problemas.

El segundo aspecto se refiere a la construcción, siguiendo el mismo procedimiento, de

la matriz de decisión, que en este caso es una matriz de pertenencia, y que si bien no

garantiza que represente exactamente la realidad, provee en cambio una opinión

consensuada sobre estas relaciones.

El tercer aspecto está relacionado con establecer una dependencia entre alternativas y

criterios por medio de relaciones de „mayor o igual que‟, que es una norma corriente en

PL, pero que en este problema postula que los términos de la derecha de las

inecuaciones se fijen también por consenso, y que se determinen en función de la

importancia directa e indirecta que posee cada criterio. Estos valores los fija el centro

decisor en función de sus preferencias y de la importancia que atribuya a cada

indicador, derivado de un grafo de Acciones – Efectos – Consecuencias (véase Sección

3.2.1).




65

Figura 5.1 Matriz de decisión empleada para determinar un conjunto de indicadores ambientales que suministren la mayor cantidad posible de información

Selection of a manageable set of sustainability indicators

Show here minimum number of indicators required in final set: 10 , out of the initial set of 16 Results from computation

Show here minimum mumber of sustainable targets that must have indicators: 8 , out of total number of targets Action

Areas ID I I I II II II III III III IV IV V V VI VI VI I I I II II II III III III IV IV V V VI VI VI Thresholds

Indicators ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Sustainable targets indicators representing:

Inter-generation 1 1 1 1 1 1 1 1 5 > 2 Choose at least: 2 Inter-generation equity

Intra-generation 1 1 1 1 1 1 2 > 1 Choose at least: 1 Intra-generation equity

Min.impact in the env. 1 1 1 1 1 1 1 5 > 1 Choose at least: 1 Min. impact on the environment.

Living off interests 1 1 1 1 4 > 1 Choose at least: 1 Interest from renewable resources

Min. use of non-renew. 1 1 1 2 > 1 Choose at least: 1 Min. use non-renewable resources

Long term econ.develop. 1 1 1 1 1 1 4 > 1 Choose at least: 1 Long term economic develop.

Diversity 1 1 > 1 Choose at least: 1 Diversity

Individual well-being 1 1 1 1 1 1 2 > 1 Choose at least: 1 Individual well-being

Min.cond. sust. objectives 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 8 = 8 Total number of indicators for sustainability

General selection criteria

Representative 1 1 1 1 2 > 1 Choose at least: 1 Representativity

Understandable by users 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Understanbility by users

Comp. to objectives 1 0 > 0 Choose at least: 0 Comp.to targets & thresholds

Comp. to other indicators 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Comparability to other indicators

Cost effective 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Cost effectiveness

Unambiguous 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Exactness

Attractive to media 1 1 1 1 1 1 1 1 1 1 1 1 1 2 > 2 Choose at least: 2 Attraction to media

Areas 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 = 2 DIFFERENCE 10 Diff.with sustainability indic.

Environment 1 1 1 1 1 3 > 1 Choose at least: 1 The environment

Social 1 1 > 0 Choose at least: 0 Social issues

Economy 1 1 1 > 1 Choose at least: 1 Economy issues

Environment-Social 1 0 > 0 Choose at least: 0 Environment & Social issues

Environment - Economy 1 1 1 1 2 > 0 Choose at least: 0 Environment & Economy issues

Economy - Social 1 0 > 0 Choose at least: 0 Economy & Social issues

Env.- Economy - Social 1 0 > 0 Choose at least: 0 Env.-Economy and Social issues

OECD framework 0

Condition 1 1 1 1 1 1 4 > 1 Choose at least: 1 Condition

Stress 1 1 1 1 1 1 2 > 1 Choose at least: 1 Stress

Response 1 1 1 1 2 > 1 Choose at least: 1 Response

Total of indicators 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 10 = 10

Indicators scoring 6 7 6 5 5 5 5 4 6 4 5 6 6 5 5 7 7 7 6 6 7 6 5 6 6 6 5 2 2 7 6 6 177 Summation of weights

Indicators norm. Scoring 0.034 0.040 0.034 0.028 0.028 0.028 0.028 0.023 0.034 0.023 0.028 0.034 0.034 0.028 0.028 0.040 0.040 0.040 0.034 0.034 0.040 0.034 0.028 0.034 0.034 0.034 0.028 0.011 0.011 0.040 0.034 0.034

Entropy -0.115 -0.128 -0.115 -0.101 -0.101 -0.101 -0.101 -0.086 -0.115 -0.086 -0.101 -0.115 -0.115 -0.101 -0.101 -0.128 -0.128 -0.128 -0.115 -0.115 -0.128 -0.115 -0.101 -0.115 -0.115 -0.115 -0.101 -0.051 -0.051 -0.128 -0.115 -0.115 Entropy: 0.1038

(Entropy)x(Norm. Scoring) 0.004 0.004 0.004 0.003 0.003 0.003 0.003 0.002 0.004 0.002 0.003 0.004 0.004 0.003 0.003 0.004 0.004 0.004 0.004 0.004 0.004 0.004 0.003 0.004 0.004 0.004 0.003 0.001 0.001 0.004 0.004 0.004

Selected indicators: 1 1 1 1 1 1 1 1 1 1 10

Z (Objective function) 0.04

66

El cuarto aspecto, tiene vinculación con el segundo arriba mencionado y que es la

obtención de un resultado que contenga la mayor cantidad de información posible.

El empleo de la PL posibilita alcanzar una solución óptima del problema ya que sólo se

trabaja con un objetivo que consiste en „Maximizar la cantidad de información del

sistema‟ y, en consecuencia, no hay duda de que la solución alcanzada no sólo es

factible y eficiente, sino que además es la mejor entre todas las soluciones eficientes

posibles, de acuerdo, naturalmente con la exactitud de la información suministrada.

5.1.6 Elección del tamaño del conjunto seleccionado

La cantidad final de indicadores es un tema que debe ser analizado cuidadosamente en

función de los datos iniciales del problema y de la cantidad y magnitud de las

restricciones o criterios. En el caso real (se recuerda que por las razones mencionadas el

ejemplo del artículo es una abreviación del caso real), se adoptó el criterio o „ley‟ de

Pareto que, aplicado a este ejemplo, determina que aproximadamente el 20 % de los

indicadores contiene el 80 % de la información. Sin embargo, en este ejemplo y

considerando la cantidad de restricciones impuestas, se adoptó como medida del

conjunto final, el 50% de los indicadores originales. Es decir, de 16 indicadores

originales, se eligieron 8 para el conjunto final.

Veamos ahora qué sucede cuando se modifica la cantidad de indicadores del conjunto

final. Si se aumenta progresivamente esta cantidad, en general, se incrementará la

eficiencia del sistema, medida por el valor creciente de la función objetivo. Es evidente

que si se empleara el 100 % de los indicadores iniciales - para lo cual lógicamente no

haría falta este análisis ya que no habría selección- se presume que se obtiene la máxima

cantidad de información.

Sin embargo, esta progresión no es lineal ni continua y puede suceder que, para ciertos

tamaños del conjunto final, no haya una solución factible. Inversamente, se puede

analizar qué sucede al disminuir la cantidad requerida de indicadores para el conjunto

final, y se encontrará que se alcanza un límite por debajo del cual no existe una solución

factible, lo cual es evidente, considerando que si se mantienen las restricciones

originales debe existir forzosamente una cantidad mínima de indicadores para que se

pueda satisfacer a todas ellas. En consecuencia, es posible obtener, con poco esfuerzo,

una serie de valores finales y determinar, estudiando la curva de valores de la función

objetivo, cual es la cifra más conveniente.

El análisis de sensibilidad puede también llevarse a cabo registrando los valores de la

entropía del sistema, cuando se varían los coeficientes de importancia asignados a los

indicadores originales. Si hay pequeñas diferencias entre ellos la entropía será grande,

significando que la información que puede extraerse es pequeña. El mínimo de

información (que corresponder a un máximo de la entropía), se alcanza cuando todos los

indicadores tienen el mismo factor de importancia. Este hecho permite hacer nuevos

planteamientos, que es lo más común, ya que el centro decisor suele querer saber “¿Qué

pasa si….?” cuando en la solución final no se encuentran, por ejemplo, ciertos

indicadores que hay interés en que aparezcan.




67

Contando con estos dos elementos de análisis, es decir el valor de la función objetivo y

el valor de la entropía del sistema, éste mejorará cuando la función objetivo aumente y

la entropía disminuya y viceversa.

5.1.7 Otra versión del modelo

Otra versión de este mismo modelo trata el caso en que no se quiere o no se puede

estimar pesos de importancia para los indicadores originales y, en cambio, si se está en

condiciones no sólo de determinar la relación de pertenencia sino también de asignar

valores entre 1 y 10 a esa pertenencia en cada caso. Se procede de la misma manera en

cuanto a la obtención de los datos, y la matriz de decisión reflejará entonces un conjunto

de valores promedio. En ese caso puede aplicarse el módulo 1 de Simus. La función

objetivo del problema consistirá, como anteriormente, en la maximización de la

cantidad de información.

5.1.8 Conclusión

Como conclusión se estima que el método propuesto permite resolver un problema real

y complejo al cual se enfrentan muchos organismos medioambientales. Se estima por

otro lado que el método soluciona un problema para el cual no hay respuesta conocida

al presente. Además, de acuerdo a la bibliografía consultada se entiende que ésta es la

primera vez que se aplica el teorema de Shannon para garantizar, en este entono, que la

solución contenga o refleje la máxima cantidad de información del sistema.

5.2 Artículo publicado en ‘Environment, Development and Sustainability’- Volume

8, Number 3, 425-443

Título

Economic growth and sustainable development: Could multicriteria analysis be used

to solve this dichotomy?

(Crecimiento económico y desarrollo sostenible: ¿Puede emplearse el análisis

multicriterio para resolver esta dicotomía?).

5.2.1 Antecedentes

Se trata aquí de un tema que es visto por mucha gente como una dicotomía entre

crecimiento económico y desarrollo sostenible, implicando que uno crece a expensas del

otro y que, en consecuencia no puede haber coexistencia.

El objetivo de este trabajo fue demostrar lo contrario, ya que se estima que aunque

enfrentados en muchas circunstancias, en realidad pueden y deben coexistir y la base

para ello es encontrar un punto de equilibrio. El problema consiste en encontrar y

nivelar los valores de intercambio (trade-offs) para poder comparar proyectos entre sí y

llegar a una solución intermedia, satisfactoria, que reduzca a niveles razonables y

68

sostenibles los impactos sobre el medio ambiente y la sociedad y que, al mismo tiempo

permita mantener el crecimiento económico

Como corolario fundamental, ello implica que en los análisis sobre proyectos deben

participar el medio ambiente, la sociedad, y el desarrollo económico en igualdad de

condiciones.

5.2.2 Empleo de la Programación Lineal

El propósito de este artículo es analizar esta aparente dicotomía y demostrar que existe

una herramienta que puede aplicarse para determinar un punto de equilibrio y que es la

Programación Matemática, y, en particular, la Programación Lineal (PL). Naturalmente,

un argumento inmediato es que no todas las acciones son necesariamente lineales, y

quizás la gran mayoría obedezcan a leyes no lineales. Sin embargo, ello no invalida

dicho propósito ya que hay modos de descomponer esas funciones curvas en segmentos

lineales y aplicar entonces las técnicas de PL en cada uno de ellos.

El tema radica entonces en incorporar a los proyectos de desarrollo económico aquellos

criterios que estén relacionados con los impactos que producen (directos e indirectos),

como pueden ser la contaminación del aire, del agua, del suelo, la generación de ruido,

la extracción de áridos de los ríos, los perjuicios y beneficios a la sociedad, el aumento

del ingreso por cada familia, la provisión de energía eléctrica a zonas marginadas etc., y

lo que es más importante, considerar estos efectos en un pie de igualdad con los

impactos económicos. El problema fundamental estriba en no permitir que el desarrollo

económico prime sobre el aspecto ambiental y social; pero tampoco admitir que, en aras

de conservar el medio ambiente, se produzca un deterioro de las condiciones de vida de

la población, ni el estancamiento económico.

Se comenta este caso principalmente para indicar cómo encara el modelo el problema

dado y para ilustrar el uso de uno de los módulos del método Simus, considerando que

hay muchas restricciones de carácter cualitativo. Los grandes proyectos presentan en su

mayoría un cierto número de alternativas de construcción generalmente referidas las

diferentes rutas o trazados posibles. Por ejemplo, en un proyecto que se refiera a la

construcción de una vía férrea de alta velocidad, deben considerarse los costes, junto

con los beneficios económicos y sociales y perjuicios que cada ruta traerá a las

poblaciones intermedias, incluyendo además el factor ecológico al atravesar ríos, zonas

agrícolas, áreas protegidas, etc.

Estamos entonces ante un típico problema de PL en donde existen varias alternativas

(las diferentes alternativas de trazado), cada una atravesando y beneficiando - o

perjudicando - a determinadas poblaciones, y sujetas a una serie de condicionamientos,

criterios o restricciones económicas, sociales y ambientales. Participan en consecuencia

criterios cuantitativos como la longitud de cada trazado, el coste, el potencial de tráfico,

etc., y otros subjetivos tales como el perjuicio económico ocasionado a áreas que

quedarán sin este servicio ferroviario interurbano - que actualmente vincula una serie de

aglomerados urbanos - la opinión de la población afectada, etc. El nuevo proyecto

provocará asimismo una reducción de vuelos entre ambas ciudades (con los perjuicios




69

de pérdidas de empleos que ello conlleva), y la disminución de la circulación de miles

de autobuses y turismos que actualmente circulan por la carretera que une a las dos

ciudades, pero también la generación de miles de nuevos empleos, y la disminución en

la importación de combustibles fósiles que el país no produce.

Como se aprecia, el problema es complicado por la cantidad de criterios impuestos, que

pueden ser cientos, tanto sea cuantitativos como cualitativos y por la existencia de

quizás más de un objetivo, aunque probablemente se podría considerar una función

objetivo „evolvente‟ que sería maximizar el empleo de los recursos nacionales (fondos,

financiación, horas efectivamente trabajadas, uso de la tierra, fabricación de

componentes para el proyecto, mano de obra durante la construcción y la operación del

sistema, prestigio a nivel internacional, etc.).

Aquí se ha elegido como función objetivo la de minimizar el coste total del proyecto

que, demás está decir, es quizás el objetivo más importante, siempre y cuando ese coste

represente no sólo el desembolso económico sino también el social y el ambiental.

Generalmente, el coste social, en aspectos tales como los ocasionados por las

externalidades no se considera en los proyectos, como tampoco las externalidades

relacionadas con el medio ambiente.

La PL puede asistir con este problema tan complejo y en realidad su tratamiento guarda

una cierta relación con la matriz de input.-output de relaciones interindustriales de

Leontief (1951), cuya resolución se hace también por PL y con el método empleado por

la Universidad Carnegie-Mellon (Eiolca) de los EE. UU., para computar las toneladas

de contaminantes que se arrojan a la atmosfera en todo proceso industrial. Nuestro caso

es quizás un poco más complicado ya que no abarca sólo los beneficios sino también los

perjuicios, y además los criterios cuantitativos y cualitativos.

Desde ese punto de vista podría considerarse una matriz que contemple efectos

(positivos y negativos), y que debe tener en cuenta todas las interrelaciones (que lo

hace, si los datos se calculan en forma correcta analizando las relaciones directas,

indirectas e inducidas).

Veamos ahora el ejemplo propuesto en el artículo, que consiste en un problema urbano

común, como es el de decidir cuál es la alternativa más apropiada para solucionar un

problema de congestión de tránsito de vehículos. Este caso tiene cuatro alternativas que

son excluyentes entre sí, aunque podrían no serlo, y que están sujetas a 14 criterios de

selección. Estos criterios son una mezcla, como generalmente ocurre en casos reales, de

valores cuantitativos y objetivos, y de criterios cualitativos y subjetivos.

En este caso se supone que el centro decisor optó por asignar pesos a los criterios - lo

cual normalmente no es necesario en PL - y a pesar de que existían valores reales para

los términos de la derecha de los criterios cuantitativos (volumen de tráfico, flujo de

70

tráfico, tráfico urbano, trafico regional, beneficios económicos directos y beneficios

económicos indirectos), se decidió no usarlos porque no se consideraron fiables. Por lo

tanto, para asignar los valores a los términos de la derecha, se normalizó la matriz y se

usó el primer módulo de Simus, tal como se observa en la tabla 4 del artículo.

Queremos destacar que en aquellas restricciones de tipo „Mayor o igual que‟, se eligió

como término independiente el menor valor de cada fila, en tanto que para las de

„Menor o igual que‟, se escogió el mayor valor de cada fila.

A fin de tener en cuenta los costes ambientales y sociales y que se resaltan en cursiva en

la tabla, estos costes se suman, normalizan y luego se agregan a los correspondientes

costes económicos para cada alternativa. La cifra resultante es la que se emplea como

coeficiente de cada alternativa en el funcional que pide minimizar los costes, y de esta

manera quedan contemplados los costes económicos, los sociales y los ambientales.

5.2.3 Resultado

En este caso en particular no interesa tener un ordenamiento de proyectos sino de elegir

sólo uno, que es también el caso más común. Para ello se instruye al modelo para que el

resultado se exprese no sólo en números enteros sino además en valores del tipo 0 ó 1, o

sea binarios.

Dado que no se desea tener un ordenamiento de proyectos sino elegir sólo uno, el valor

debe estar expresado en números enteros: no tendría sentido decir, por ejemplo, que la

solución es de 4,78 para, digamos, la alternativa C. Pero, por otro lado, tampoco tendría

sentido obtener un valor tal como 4 ó 5. Por ese motivo se instruye también al modelo

para que la solución esté expresada en forma binaria, sea decir „1‟ para ejecutar una

alternativa, y „0‟ para no considerarla. De esa manera es que se obtiene como solución,

que la mejor alternativa es la A (tabla 4 del artículo). Es de destacar que el Solver,

puede resolver problemas lineales y de programación lineal entera, aunque ambos estén

presentes simultáneamente en el mismo caso, que es lo que sucede en este ejemplo.

5.2.4 Análisis del resultado

Queremos destacar que la alternativa elegida por el modelo, la A, no es ni la más

económica ni tampoco la que menor impacto ambiental produce. El modelo la escogió

porque es la solución de compromiso y constituye el punto de equilibrio entre el

crecimiento económico y el desarrollo sostenible, del cual se habla más arriba.

En el ejemplo se determina además una ratio entre costes económicos y ambientales

(tabla 5). Obsérvese que para la alternativa elegida ese ratio es de 0,96, muy próximo a

1, es decir a tener igualdad de costes.

Naturalmente, se comprende que la realidad es mucho más compleja que el caso

elemental descrito, pero es evidente que la técnica, aplicada a grandes proyectos de

desarrollo económico tales como la construcción de fabricas de papel, de aluminio, de

acero, carreteras, presas hidroeléctricas, etc., cuando se analizan contemplando, tanto




71

los beneficios económicos como los sociales y los perjuicios que se ocasiona al medio

ambiente, es capaz de encontrar una solución equilibrada.

5.3 Artículo publicado en ‘Renewable Energy’ 29 (2002) 1775-1791

Título:

Pre-feasibility MCDM tools to aid communities in prioritizing local viable renewable

energy sources (Elsevier)

(Herramientas multicriterio para la toma de decisiones para ayudar a las comunidades a

priorizar fuentes factibles de energía renovable)

Autores: K. Nigim, N. Munier, J. Green

5.3.1 Antecedentes

El trabajo, desarrollado en la región de Kitchener –Waterloo, provincia de Ontario, en

Canadá, buscó determinar las fuentes de energía renovables más convenientes. El hecho

de tener que decidir sobre cuál de las fuentes renovables seleccionar, y que estén sujetas

a una serie de condicionamientos, lo convierte en un problema de toma de decisiones.

Se utilizaron aquí dos herramientas de decisión, el método AHP y el método Simus.

5.3.2 Resolución mediante el empleo de los módulos de Simus

En el caso propuesto en este artículo se aplicó el primer módulo. Fue una de las

primeras aplicaciones comparadas de Simus y se llevó a cabo para demostrar que la PL

puede también abordar problemas con criterios cualitativos, por lo tanto se trató de

comprobar si partiendo de los mismos datos, su comparación con otro método conducía

a resultados equivalentes. Ello probaría la eficacia de Simus y, a la vez, demostraría la

equivalencia entre modelos. El problema se abordó por dos grupos de trabajo usando

respectivamente AHP y Simus, trabajando independientemente, y posteriormente se

cotejaron los resultados obtenidos.

5.3.3 Planteamiento del problema

Como alternativas se consideraron las siguientes cinco opciones:

A. Térmica solar,

B. Fotovoltaica,

C. Térmica del suelo,

D. Eólica,

E. Mini turbinas hidráulicas.

El detalle y el alcance de cada una de estas alternativas se explican en el artículo, por lo

cual no se repiten aquí.

Los criterios para la selección fueron los siguientes:

72

a) Disponibilidad del recurso,

b) Impacto ecológico,

c) Factibilidad técnica,

d) Factibilidad financiera,

e) Potencial educativo,

f) Beneficios socio económicos.

Como se aprecia hay un criterio cuantitativo (a), ya que se conoce, por estudios

anteriores, el potencial de cada alternativa, siendo el resto de los criterios de naturaleza

cualitativa. La información base que permitió construir la matriz de decisión provino,

como se explica en el artículo, de expertos y a la vez de fuentes federales.

5.3.3.1 Resultado del grupo AHP

Este grupo llegó a obtener los siguientes valores (a mayor valor, más alta prioridad) (tabla 5.1):

Tabla 5.1 Valores prioritarios obtenidos con el método AHP

Alternativas

o fuentes Tipo de fuente Prioridad

A Térmica solar 0,229

B Fotovoltaica 0,205

C Térmica del suelo 0,180

D Eólica 0,217

E Mini turbinas hidráulicas 0,169

El ordenamiento fue por lo tanto:

A – D – B – C – E

5.3.3.2 Resultado del grupo SIMUS

Este grupo llego a obtener los siguientes valores (a mayor valor, más alta la prioridad)

(tabla 5.2):

Tabla 5.2 Valores obtenidos con el método Simus

Alternativas

o fuentes Tipo de fuente Prioridad

A Térmica solar 0.224

B Fotovoltaica 0,206

C Térmica del suelo 0,184




73

D Eólica 0,213

E Mini turbinas hidráulicas 0,172

El ordenamiento fue por lo tanto:

A – D – B – C – E

Es decir, se ha obtenido un ordenamiento coincidente en los dos modelos.

Hay que considerar que, si bien ambos modelos parten de la misma base de datos, que

es la generada por AHP para los coeficientes de las alternativas, a partir de ese punto

ambos se desarrollan por caminos totalmente distintos.

AHP procede a multiplicar la valoración obtenida de cada alternativa, en función de

cada criterio, por el correspondiente peso de dicho criterio, que fue derivado a su vez de

una comparación pareada de los criterios, o sea es una agregación aditiva ponderada

Luego, la prioridad de cada alternativa se computa mediante la suma de esos productos.

Simus procede en cambio a hallar los valores factibles y eficientes en los vértices del

politopo que se genera cuando se consideran todos los criterios, y escoge, como

solución óptima aquel vértice que es tangente a la función objetivo, que en este caso

corresponde a maximizar el empleo de las fuentes renovables, y que produce los valores

indicados, y por ende su ordenamiento.

5.3.3.3 Discusión de resultados de este caso

Este resultado parece corroborar la teoría mantenida por varios investigadores y

nosotros mismos, tal como se comenta en la sección 2.9, de que todos los modelos

aplicados a un mismo problema, teniendo en vista el mismo objetivo y empleando

técnicas matemáticas - aunque éstas sean diferentes - deben producir resultados

equivalentes. En este ejemplo, el centro decisor utilizó el método AHP para asignar

pesos a los criterios.

Resumiendo, se puede concluir en que hay al menos indicios de que la metodología

desarrollada por Simus es adecuada, especialmente en su ordenamiento cuando existen

una gran cantidad de combinaciones posibles.

Por otro lado, un solo ejemplo que muestre coincidencia de resultados no faculta hacer

una declaración taxativa de equivalencia; por este motivo, en este trabajo se detalla la

contrastación realizada con una gran cantidad de ejemplos reales, elaborados y resueltos

por investigadores de todo el mundo, y los resultados alcanzados, apoyan la hipótesis de

equivalencia (Véase tabla 6.4, Sección 6.4, Capítulo 6).

Hay otro aspecto a considerar, ya que se ha asumido a priori y en ambos métodos que

todas las alternativas poseen la misma importancia, que queda expresada por el mismo

peso, circunstancia ésta que si bien es factible, no es sin embargo probable. Es posible

en cambio asignar diversos coeficientes de importancia a las alternativas, sobre la base

74

de las características técnicas y operativas de cada una. Por ejemplo, todas ellas,

excepto la C tienen restricciones de continuidad de generación de energía. La A y la B,

se pueden aprovechar sólo de día (aunque es también posible generar en las primeras

horas del anochecer si se almacena energía térmica con dispositivos adecuados, y se la

libera después de la puesta del sol); por otro lado también deprenden de la latitud y de la

época del año.

La alternativa D es función de los vientos predominantes que suelen soplar con

diferentes intensidades a lo largo del año y en determinadas horas, y la alternativa E está

supeditada a las estaciones, la época de lluvias y a los deshielos. En cambio, la

alternativa C, la Térmica del Suelo, utiliza la energía térmica solar almacenada en el

subsuelo y que en una región determinada se mantiene prácticamente constante durante

todo el año. Esto naturalmente provoca que esta alternativa tenga una mayor

importancia que las restantes puesto que la energía puede ser extraída en cualquier

momento, en forma permanente, y en cualquier estación del año.

El hecho de que ambos modelos hayan colocado en primer lugar a la Térmica del Suelo,

y en segundo lugar a la Eólica, que es ciertamente más constante que las restantes y que

no depende de las horas de sol, parece confirmar nuevamente que la comparación

pareada que dio origen a la matriz de decisión, efectivamente tuvo en cuenta estos

factores. Esta conclusión se basa en que cuando se comparan por ejemplo, la Térmica

Solar con la Fotovoltaica en función de un criterio como la disponibilidad del recurso,

es razonable que ambas tengan el mismo valor ya que dependen de la misma fuente, y

eso se refleja en los valores de la tabla 5 del artículo.

Como conclusión, se entiende que este análisis de fuentes no convencionales de energía,

si bien simple, puede dar resultados muy útiles cuando se aplican técnicas para la toma

de decisiones. Naturalmente, es necesario alimentar a los modelos con los datos más

exactos posibles para que los resultados sean los correctos, aunque hay que reconocer

también que a veces las preferencias del centro decisor tienen peso, ya que él puede

cuestionar si una pequeña diferencia en valores o en atributos, hace mas preferible a

priori o a posteriori una alternativa sobre otra.

CAPÍTULO 6 ANÁLISIS DE RESULTADOS, REFLEXIONES Y

CONCLUSIONES

6.1 Consideraciones generales

La presente tesis propone un modelo heurístico alternativo para la toma de decisiones en

proyectos, aun considerando que existen más de una docena de métodos que emplean

diferentes metodologías, asunciones y procedimientos. ¿Cuál es entonces la lógica de

formular un nuevo procedimiento? La razón estriba en que ninguno de ellos, incluido

Simus, puede garantizar que se alcance la mejor solución, aunque a veces ésta no es la

deseable, requerida u obtenible.

No obstante, es obvio que la PL debido a su estructura matemática permite modelar el

problema con una mayor aproximación - aunque desde ya sin representarlo en forma

fidedigna - y a la vez admite considerar las preferencias, opiniones e intereses de las

personas o grupos que han de decidir. Situaciones que son comunes en proyectos de

gran complejidad, como es el planeamiento de una cuenca hídrica y resuelto aplicando

la PL (Véase Cohon, 1978), avalan esta afirmación. Sin embargo, el hecho de que en

estos escenarios existen siempre criterios cualitativos y que normalmente aspiran a

objetivos múltiples, puede haber conspirado para extender el empleo más amplio de la

PL. Se estima que la contribución de Simus al tratar de complementar la PL en lo

referente a estos dos aspectos, la convierte en una herramienta aun más poderosa de lo

que es, al permitir usar la PL en un ámbito en el cual hasta ahora no se ha utilizado.

Es cierto también que en el planteo y resolución de un problema de toma de decisión

por PL hay presentes subjetividades, las cuales son ineludibles en cualquier proyecto

que implique diferentes alternativas, siendo quizás la primera de ellas el decidir sobre la

cantidad y naturaleza de los criterios a aplicar, como así también en el establecimiento

de los coeficientes de una restricción cualitativa, aspectos estos que son comunes a

todos los métodos existentes. En este punto la PL presenta la ventaja de no depender de

las preferencias del centro decisor, ni de necesitar umbrales de aceptación para los

criterios o de elegir una métrica.

No obstante, aun para determinar algo subjetivo como es la fijación de la cantidad y tipo

de restricciones a considerar, Simus propone el empleo de algunas herramientas que si

bien no eliminan la subjetividad, al menos la acotan, cuando se emplean grafos o las

76

matrices escalonadas (Véase Sección 3.2.1); naturalmente estas herramientas también

pueden ser empleadas por los otros métodos. El tratamiento de la incertidumbre y

riesgos, algo siempre presente, también puede manejarse con Simus ya que son

generalmente restricciones cualitativas y que imponen el trabajar con probabilidades.

A fin de aclarar conceptos, es necesario mencionar que los métodos existentes tratan

todos los objetivos en forma simultánea en tanto que Simus los trata ceteris paribus, es

decir optimizando cada uno de ellos, mientras los demás se mantienen como

restricciones o metas, lo cual se lleva a cabo en la primera parte del método. Este

procedimiento genera una matriz de resultados eficientes, que puede considerarse una

matriz de decisión, pero con la diferencia de que todos los valores o coeficientes son

óptimos. Tomando como base esta matriz Simus aplica un algoritmo que analiza todos

los objetivos en forma simultánea y sin necesidad de asignarles pesos - aunque si así se

desea no hay inconveniente en hacerlo. De esta manera Simus se une a los métodos

existentes que tratan a todos los objetivos a la vez.

6.2 Análisis de las soluciones

Desde el punto de vista de la solución o soluciones alcanzadas por Simus hay que

considerar que:

1. En las situaciones a examinar no siempre es posible llegar a una solución óptima sino

a una que satisfaga a la mayoría de los participantes y que contemple sus ideas,

sugerencias y conocimientos sobre un tema en particular. Por otro lado muchas veces no

interesa tanto el paradigma optimizador sino el satisfaciente, lo cual es comprensible,

porque no hay ningún método, matemático o no, que puede reemplazar al razonamiento

humano. Este resultado satisfaciente es el que se alcanza con los modelos existentes y

es también el resultado que ofrece Simus.

2. La técnica PL/Simus arroja resultados óptimos cuando se consideran casos con un

solo objetivo, salvo en algunos desarrollos, tales como la „Programación por Metas‟

(Goal Programming) (Véase Romero, 1991), en los cuales se puede introducir más de

un objetivo, pero que también requiere de apreciaciones subjetivas en la determinación

de los desvíos aceptables por parte del centro decisor o del analista.

3. En ciertos proyectos se necesita que la solución sea no un ordenamiento de proyectos

o de alternativas, sino que indique claramente cual, de entre todas las alternativas, es la

„mejor‟. Es decir se requiere un resultado binario del tipo „1‟ individualizar un proyecto

o proyectos y rechazar otros, indicándolos con „0‟. El método PL/Simus puede producir

esos resultados.

6.3 Contrastación de resultados

Todos los modelos existentes - excepto la PL monoobjetivo y en casos la Programación

por metas - arrojan resultados cuyo grado de exactitud no puede determinarse, al no

existir o conocer cuál sería la solución ideal, y Simus no es la excepción. ¿Cómo puede




77

entonces comprobarse que se alcancen resultados satisfacientes? Una forma es plantear

un caso en particular, resolverlo mediante diferentes métodos, y luego comparar los

resultados alcanzados.

Si estos coinciden o están muy cercanos, es factible suponer que el resultado hallado es

el más satisfaciente de entre todos los posibles. Por lo tanto, es interesante efectuar para

un problema dado un contraste entre los diferentes métodos, y eso es lo que se ha hecho

en esta tesis, al contrastar los resultados de Simus con los de varios métodos, resueltos

por distintos investigadores, y para diversos problemas, situaciones y áreas, abarcando

un total de 45 casos.

De acuerdo a la bibliografía consultada sobre cada problema se presentan diversos

casos a saber:

a) Emplean un modelo determinado, por ejemplo, Maut,

b) Utilizan variaciones de un modelo determinado, por ejemplo usan Promethee I y

III, Regime AHP y con VISA,

c) No se indica el modelo empleado.

Sin embargo, y como un común denominador, se emplea Simus en todos los casos, o

sea se compara este último contra todos los modelos y situaciones, lo cual suministra

una amplia gama de comparación.

¿Cómo se ha efectuado la comparación?

Se ha adoptado el siguiente criterio:

1) Completa coincidencia perfecta con Simus en el ordenamiento proveniente de un

modelo en particular - evidentemente la situación mas difícil - considerando que la

cantidad de soluciones posibles para un caso digamos de 8 proyectos o alternativas es

de 8! = 40320 combinaciones posibles,

2) Coincidencia en el ordenamiento de los dos primeros proyectos o alternativas,

3) Coincidencia sólo en la selección de la primera alternativa,

4) Sin coincidencia apreciable.

En todos los casos se asume que los resultados alcanzados por los autores son los

„adecuados o correctos‟ y que entonces corresponde a Simus emularlos. Por lo tanto,

si no hay coincidencia, esta discrepancia se atribuye a Simus por cualquier motivo

que sea.

Es indudable que esta condición dura no favorece a Simus, dado que también puede

haber habido inconvenientes o quizás un inadecuado planteamiento en el modelo

heurístico utilizado; sin embargo, se mantiene esta postura dado que es necesaria

para poder comparar resultados. Por otro lado, es evidente que el o los autores

originales en cada caso han contado con un nivel y calidad de información que los

78

autores de esta tesis no conocen ya que han trabajado sólo con los datos

proporcionados en los respectivos artículos.

Los resultados de la contrastación se muestran en la tabla 6.4, y el resumen en la tabla

6.1.

Tabla 6.1 Porcentajes de coincidencia en los resultados

Cantidad

de casos

Porcentaje

parcial

Porcentaje

acumulado

Completa

coincidencia en el

ordenamiento de las

alternativas

19

42,2

42,2

Coincidencia en las

dos primeras

alternativas

8 17,7 59,9

Coincidencia solo en

la primera

alternativa

13 28,8 88,7

Sin coincidencia 5 11,1 100

De aquí, se desprende que:

1. Se llega a una coincidencia acumulada del 88,7 % lo cual se considera una

demostración heurística evidente de que el modelo Simus puede resolver los mismos

tipos de problemas que los modelos existentes.

2. Es interesante verificar además que el caso más difícil de concordancia - que es

evidentemente obtener una coincidencia total de ordenamiento, dada la múltiple

posibilidad de combinaciones posibles - es precisamente el que obtiene un porcentaje

más alto (42,2 %).

Aun siendo elevada, esta concordancia perfecta es en realidad mayor, dado que en el

cómputo anterior no se consideró el proyecto número 28 que arroja una concordancia

perfecta para q = 0,20. Esto se debe a que, debido a la estabilidad que se aprecia a partir

de q ≥ 0,30 se consideraron sólo los ordenamientos correspondientes a estos últimos „q‟

y que difieren muy levemente. En caso de considerar también este proyecto como de

coincidencia perfecta, el porcentaje anterior se eleva al 44,4 %. Es evidente que estos

valores excluyen toda presunción de que estas coincidencias se deban al azar.

Los resultados de esta comparación, expresados en forma cuantitativa, están en línea,

refuerzan y confirman lo expresado en la Sección 1.2 cuando se habló sobre los

objetivos de este trabajo. Estas conclusiones se consideran importantes, pues no se

refieren a un caso sino a una cantidad significativa de casos, y porque abarcan una

amplia gama de actividades como se aprecia en la tabla 6.4. Por otro lado se comparan

los resultados alcanzados por modelos distintos, sobre problemas diferentes, y todos

ellos en forma individual, versus Simus.

6.4 Comentarios sobre la resolución de los casos

La investigación llevada a cabo abarcó 45 casos reales, con información procedente de

diversas fuentes que incluyeron: Contacto personal y por correspondencia con autores,

libros, artículos, e Internet. En algunos casos hubo discusión con los respectivos autores




79

y en todos los casos los mismos manifestaron su aprobación del método Simus que se

aplicó a sus proyectos. La tabla 6.2 muestra un desglose de los modelos empleados en

dichos casos.

Tabla 6.2 Modelos empleados y cantidad de

problemas resueltos por cada uno

Modelo empleado

Cantidad de proyectos

resueltos por cada

modelo

AHP 11

Coste/Beneficio 2

Desconocido 1

Electre 10

GIS 1

Maut 4

Programación por metas 1

Promethee 8

Regime 2

Sami 2

Simulación y Visa 1

Simus 45

Suma ponderada 1

Topsis 1

Los proyectos estudiados están agrupados de acuerdo a los siguientes 11 sectores y que

se muestran en la tabla 6.3, como así también la cantidad de proyectos por sector.

Tabla 6.3 Sectores a que pertenecen los proyectos

y cantidad de proyectos por sector

Sectores Cantidad de

proyectos

Infraestructura 11

Varios 7

Generación y distribución eléctrica 7

Medioambientales 4

Agrícolas 3

Localización industrial y distribución 3

Actividades industriales 3

Gestión de residuos sólidos 2

Planeamiento económico 2

Gobierno 2

Viviendas 1

La tabla 6.4 detalla todos estos casos y suministra la siguiente información en cada

columna:

Columna 1: Número de identificación de cada proyecto

Columna 2: Área a la que pertenece el proyecto y de acuerdo a lo detallado en

tabla 6.3.

Columna 3: Tipo de proyecto,

80

Columna 4: Componentes del proyecto, es decir cantidad de alternativas y de

criterios,

Columna 5: Modelo/s empleado/s por los respectivos autores,

Columna 6: Resultado alcanzado por los autores,

Columna 7: Resultados alcanzados por el método de PL/Simus, empleando los

módulos (1) ó (1 y 2) en conjunto,

Columna 8: Comparación de resultados de acuerdo a los criterios comentados en

la Sección 6.3.

Observar que en las columnas 7 y 8 se han colocado para cada caso los ordenamientos

completos. Se han subrayado las alternativas en donde hay coincidencia de resultados

con Simus, y de acuerdo a lo mencionado en la Sección 6.3. Así, para el proyecto

numero 01 se verifica que sólo hay coincidencia en la primera alternativa, que es la P3.

En el proyecto 03 sólo hay coincidencia en las dos primeras alternativas A y C, etc.

6.4.1 Interpretaciones sobre algunos casos analizados y su resolución por LP/Simus

(La numeración de los proyectos no sigue un orden natural ya que están

ordenados por áreas de actividad)

Comentario sobre el caso 23 (Localización industrial y distribución, Polonia)

Los autores resuelven este problema empleando AHP y Electre. Su resolución por

Simus muestra que hay acuerdo en la elección de la primera alternativa y discrepancia

con respecto a la segunda y tercera, pero las alternativas elegidas coinciden con la de los

autores. Hay que tener en cuenta que estos no especifican qué es deseable desde el

punto de vista de la compañía sobre una serie de criterios que tuvieron que ser asumidos

al aplicar Simus y que se basaron en cierta lógica operativa. Por ejemplo, se desconoce

si la compañía desea tener depósitos propios o no, si aspira a tener su propio transporte

o a contratarlo, etc. En consecuencia es razonable esperar que de haber tenido toda la

información disponible, Simus hubiera alcanzado el mismo ordenamiento que los

autores.

Comentario sobre el caso 13 (Construcción de centrales hidráulicas, Nepal)

No se conoce el modelo empleado por los autores aunque se presume que haya sido

Maut o Coste/Beneficio.

Es indudable la complejidad de este proyecto, y aunque se desconocen las técnicas de

análisis que emplearon las compañías consultoras Acres y SNC Lavalin, ambas de

Canadá, y responsables del estudio, es obvio que se hizo un análisis profundo y que las

conclusiones a que arribaron - que se detallan en la correspondiente resolución por

Simus - indican un estudio concienzudo en cada sitio no sólo de las condiciones

geológicas, hidrográficas y sociales sino también de las ambientales. Apoyado en los

datos suministrados por este estudio se aplicó la metodología Simus, y aunque no se

pretende haber resuelto de esta manera un problema muy complejo, es evidente que la

metodología detectó y señaló los mismos proyectos a que arribaron los consultores. El

mayor mérito sin embargo no es del modelo, sino de la voluminosa y precisa




81

información y datos recogidos y elaborados por los consultores, cualquiera que hayan

sido las técnicas empleadas.

Comentario sobre el caso 26 (Construcción de una línea de alta tensión, Sud

África)

Los autores emplearon el método GIS para su resolución. Este es un caso complejo, no

por sus 8 alternativas y 19 criterios, sino debido a la necesidad de optimizar tres rutas, la

correspondiente al primer tramo entre las poblaciones A y B, la del segundo tramo,

entre B y C, y el tercer tramo, entre A y C, y con diversas opciones para cada tramo.

Para su resolución por Simus se duplican los criterios, o mejor dicho cada atributo

figura dos veces, ya que está acotado en su valor mínimo y máximo. Por otro lado, los

criterios abarcan una gran variedad de aspectos tales como poblaciones, cultivos, ríos a

atravesar, rutas a cruzar, pendientes de los terrenos, condiciones de distancia a las

granjas y a los pueblos etc. Es de hacer notar que se envió este problema - resuelto por

Simus - a los autores, quienes respondieron entusiastamente dado que los resultados

alcanzados por este método coinciden con los de ellos.

Comentario sobre el caso 11 (Importación de energía eléctrica, Noruega)

Originariamente resuelto por su autor con una combinación de AHP y Maut.

Este ejemplo es muy interesante porque analiza cómo distribuir la energía generada, ya

sea térmica o eléctrica o ambas. Lo que lo hace más relevante es el propósito ecológico

del estudio ya que considera emisiones de CO2 y NOx. Esto no es por supuesto nada

nuevo, pero lo que se resalta aquí es que Noruega, un país cuya economía está basada

fundamentalmente en la producción de energía eléctrica debido a las muchas fuentes

hidroeléctricas que posee, debe importar el fluido de otros países y lo que el ejemplo

analiza es cuál será la contaminación que se producirá en los países donde se genera la

energía, no en Noruega, debido a que los primeros pueden producir energía a partir de

combustibles fósiles. Cuando se lo resolvió con Simus el resultado arrojado por este

método coincidió en la identificación de la primera alternativa, que es también la

obtenida por las dos versiones de AHP empleadas.

Comentario sobre el caso 66 (Selección de fuentes no tradicionales para generación

de energía eléctrica, Italia)

El Autor desarrolla su análisis empleando el método Promethee y encuentra tres

resultados, ya sea que se considere el sistema completo, o con orientación técnico-

económica o con orientación medioambiental. De esos tres halla concordancia en dos de

ellos. En este caso el Autor emplea tres tipos de pesos para los criterios que

son: que corresponde al escenario

orientado a la economía y γ, correspondiente al área social y de medioambiente. Al

resolverlo por Simus se llega a coincidir con el segundo escenario. Hay que tener en

cuenta además que se desconoce qué tipo o tipos de funciones de preferencia empleó el

82

Autor, y bien pudiera ocurrir que un cambio en esa elección haga coincidir en forma

total el ordenamiento de Promethee con el de Simus.

Comentario sobre el caso 25 (Protección de cultivos, EE.UU.)

El Autor empleó el método AHP y también se llevó a cabo su resolución por Simus.

Es un caso sencillo, pero se lo comenta para demostrar la versatilidad de Simus en un

proyecto que es totalmente de naturaleza cualitativa, alcanzándose el mismo resultado.

Comentario sobre el caso 39 (Investigación agrícola - ganadera, Ucrania)

Los autores originales lo resuelven empleando AHP. Si se extrae una de las

restricciones, la más obvia - que es el valor de la producción y se la maximiza - Simus

obtiene como resultado elegir la producción de carne de cerdo, que es la misma solución

de los autores.

Dado que en este método los valores cuantitativos se agrupan en intervalos y en función

de que a cada intervalo se le asigna un valor cardinal en una escala dada, se comprende

que los resultados no sean exactos. Este proyecto es interesante por varios motivos:

1. Si bien es cierto que no hay una concordancia perfecta en cuanto a ordenamiento hay

que tener en cuenta que los autores emplean para los criterios rangos de valores para

cada uno y luego asignan un valor cardinal en una escala arbitraria a cada rango. Por

supuesto esto es perfectamente permisible, sin embargo, esto hace que se trabaje con

valores que no son exactos sino que están dentro de un cierto rango y se asume la

valoración del rango como la contribución de cada alternativa correspondiente a cada

criterio. Simus trabaja en cambio con los valores cuantitativos exactos por lo que se

presume que el resultado también lo es. Esta circunstancia puede explicar la

discrepancia en el ordenamiento al emplear ambos métodos.

2. La resolución mediante PL de este problema, además de identificar el ordenamiento

ofrece la información de los valores marginales o precios sombra para algunos

criterios, es decir, indica cuanto varía la función objetivo, que en este caso es el valor

de la producción anual en millones de Euros. De esa manera es posible determinar la

importancia de cada criterio, ya que lógicamente será más importante aquel que

produzca el máximo aumento al funcional. En nuestro caso, el criterio más

importante es la conservación de agua, y el aumento de una unidad en la valoración

mínima implica un crecimiento del funcional.

Comentario sobre el caso 41 (Uso sostenible de la tierra, Grecia)

Este caso ha sido originariamente resuelto empleando el modelo Regime.

Es interesante destacar que los autores trabajaron exclusivamente con valores

cualitativos pero sin dar la equivalencia cardinal. Para resolver este caso, Simus se

apoya en los conceptos cualitativos y los convierte en cardinales mediante una sencilla

tabla de equivalencias, que más que probablemente difiere de la que emplearon los

autores, ya que ésta se desconoce; sin embargo se alcanza el mismo resultado.




83

Comentario sobre el caso 15 (Selección de inversiones, Rumania)

El trabajo original fue resuelto por sus autores con Electre en sus diferentes versiones I,

II, IV y Modificado, y encuentra diferentes soluciones para cada una de dichas

versiones no registrándose en consecuencia coincidencias entre ellas en cuanto al

ordenamiento. Resuelto el problema por Simus, éste encuentra una solución en la cual la

primera alternativa no coincide con ninguna versión de Electre I.

Comentario sobre el caso 67 (Sostenibilidad urbana, Europa)

El Autor usa el método Maut y comenta que hay mucha incertidumbre en los datos, y

opina que “Todas estas incertidumbres tienen que considerarse cuando se especifica

que una ciudad es mejor que otra” y agrega “Esta incertidumbre es ignorada

completamente por la regla de agregación lineal”. Cuando el problema se resuelve por

Simus éste encuentra una solución en la cual coinciden las dos primeras alternativas y

con una inversión de ordenamiento de las dos últimas.

Comentario sobre el caso 27 (Minería, Turquía)

Los Autores emplean el método Promethee y cuando se compara con el resultado de

Simus éste es sólo aproximado, ya que asigna al primer lugar una alternativa que

Promethee afecta al segundo lugar. Sin embargo, hay que tener en cuenta que los

autores utilizaron pesos para los criterios que fueron determinados en forma subjetiva

por los gerentes de las diversas aéreas, en tanto que Simus no empleó ningún peso.

Repitiendo el análisis con Simus pero considerando los pesos de los autores, los

resultados de ambos métodos coinciden.

Comentario sobre el caso 65 (Medios de comunicación, EE.UU.)

Como se aprecia, hay coincidencia en la primera selección ya que el ordenamiento es

completamente dispar. Este ejemplo es interesante ya que el autor original hace un

análisis cambiando los pesos y obtiene la misma primera selección pero con un

ordenamiento totalmente distinto, lo cual evidencia que la elección depende del peso

que se asigne a los criterios y como estos son subjetivos, muestra en este caso que la

solución, si bien es estable al seleccionar la misma alternativa, esa estabilidad no se

refleja en el ordenamiento. Simus provee también, como se ha visto, un ordenamiento

diferente, y podemos determinar la estabilidad de la solución mediante el cambio de

algunos parámetros para analizar los resultados. En este caso se le pide al modelo que

entregue una solución con la condición de que se haga un ordenamiento total, es decir

abarcando todas las alternativas; el modelo la hace (solución 1), y el resultado sigue

siendo el mismo. Se pide luego que se haga un ordenamiento considerando sólo algunas

alternativas (solución 2) y la solución sigue igual. Por último puede pedírsele que

aplique PL pura, y la misma selección continúa, lo cual muestra que ésta es muy

estable. Es decir, para este caso en particular hay una estabilidad manifiesta en el

ordenamiento hallado por Simus, que no se verifica con Promethee.

Comentario sobre el caso 46 (Industria automovilística, Austria)

84

Este caso muestra una aplicación poco común de las técnicas multicriterio, pero lo que

realmente atrae y es importante, es que se elije un procedimiento de pintura base en

forma de dañar lo menos posible al medio ambiente y empleando el concepto de

„Evaluación Técnica Integrada‟, exigido por el Concejo de la Unión Europea. Como se

aprecia en los resultados, Simus selecciona la misma primera alternativa que Promethee

aunque hay un ordenamiento dispar entre ambos métodos, que puede ser quizás debido

a la subjetividad en la elección de las funciones de preferencia en el método Promethee.

Por otro lado hay que mencionar que la resolución del problema mediante Simus

implica hacer asunciones sobre su naturaleza que nos son desconocidas ya que no están

explicitados en la literatura provista.

Por lo tanto, se puede llegar a deducir que en un caso en donde los investigadores

tengan un conocimiento cabal del problema y estén de acuerdo en los principales

parámetros (por ejemplo que hay que minimizar y maximizar respectivamente) es de

esperar que el empleo de Simus arroje resultados aun más exactos. Para resolver este

problema en Simus se extrajo una de las restricciones del problema - la correspondiente

a los costes - y se la empleó como función objetivo, minimizándola. Coincidentemente

se observa que el ordenamiento de los autores del artículo considera, probablemente en

forma implícita este aspecto, ya que la solución de las dos primeras alternativas cae

precisamente en aquellas que tienen menor coste.

6.5 Fortalezas y debilidades

Es evidente que la PL tiene fortalezas y debilidades. Como resumen de todo lo expuesto

a lo largo de este trabajo, cabe destacar entre sus fortalezas que su fundamentación

axiomática no sólo justifica los resultados parciales obtenidos sino que, lo que se

considera más importante, permite construir un modelo matemático más representativo

del proyecto, fundamentalmente debido a la necesidad de emplear límites de los

criterios, que incluso pueden mostrar una gama de valores para cada criterio. Se agrega

a ello el no necesitar asignar pesos a los criterios ni de establecer umbrales de

indiferencia y de aceptación. Permite, por otro lado, un exhaustivo análisis de

sensibilidad que no está basado en los pesos de los criterios, común a todos los métodos,

sino en la contribución marginal de cada uno de ellos a la obtención del objetivo, lo cual

se considera más acertado.

Como debilidad, es una realidad que el modelo no escapa a la subjetividad inherente a

cualquier problema de decisión, como lo es por ejemplo la fijación de los coeficientes

de las alternativas para criterios cualitativos y la selección de criterios.

Por otro lado, puede argüirse que la fijación de los límites de las restricciones es

también a veces subjetiva y eso es cierto. Sin embargo, el análisis de sensibilidad

provee una valor de importancia de los criterios que no depende de pesos fijados en

forma preferencial sino en los mismos datos del problema, es decir responde a datos

intrínsecos del problema y no ajenos al mismo. Consecuentemente, el conocer en forma

fehaciente la importancia de cada criterio hace que sea posible poner mayor énfasis y




85

cuidado en la determinación de aquellos valores de límites que realmente son

significativos.

6.6 Cumplimiento del objetivo propuesto

Esta sección tiene por objeto analizar si se han cumplido las hipótesis planteadas al

comienzo, en la Sección 1.2; al respecto se tiene que:

1. Queda demostrado que la PL con al agregado de Simus, puede usarse como un

método más para la toma de decisiones y especialmente para resolver problemas de

naturaleza compleja, con incertidumbre y varios objetivos, como quedó demostrado en

el Capítulo 3 y con los ejemplos comentados en las publicaciones especializadas. Con

referencia a éstas se tiene:

En la primera publicación, referida a la resolución de un complejo problema de

selección de indicadores ambientales, se aplica PL y el modulo 4 de Simus, descripto en

la Sección 3.4.5.

En la segunda publicación, referida a tratar la supuesta dicotomía entre crecimiento

económico y sostenibilidad, aplica el modulo 1 de Simus que permite a la PL trabajar

con problemas que tienen criterios cualitativos.

La tercera publicación que se refiere a una selección de fuentes renovables para

generación de energía, prueba que se alcanza el mismo resultado cuando el problema se

resuelve por dos métodos distintos, este es AHP y Simus.

Se recuerda que el Capitulo 4 describe en detalle la aplicación de los módulos 1 y 2 de

Simus para la resolución de un problema de decisión relativamente complejo sobre

proyectos para aprovechar el uso de la tierra en un puerto de Taiwán.

2. Se ha demostrado, al menos heurísticamente, que los modelos para la toma de

decisiones producen resultados equivalentes. Esta hipótesis ha quedado demostrada en

el análisis de los 45 casos reales y en donde se alcanza una coincidencia acumulada en

los ordenamientos del 88.7 %. (Véase tabla 6.1, Sección 6.3).

6.7 Conclusión

Se entiende por todo lo expuesto que el método PL/Simus como herramienta alternativa

de análisis, constituye un aporte significativo a la batería de métodos clásicos para la

toma de decisiones, y que suministra como mínimo soluciones equivalentes a las

alcanzadas por otras técnicas. Por otro lado, se ha demostrado asimismo que cuando el

problema es muy complejo, con gran número de alternativas, criterios, interrelaciones y

condiciones, la PL/Simus es una herramienta muy adecuada para gestionar la

información.

Es indudable que no es éste el final del camino ya que quedan aspectos por corregir y

mejorar. Prevemos posibilidades de desarrollos futuros, por ejemplo: con los datos de la

matriz de resultados eficientes, en donde hay varios „inputs‟ y varios „outputs‟ sería

86

quizás posible aplicar la técnica „Data Envelopment Analysis‟ para encontrar cuál de las

fronteras obtenidas en el análisis mono-objetivo, correspondientes a las filas de la

matriz, es la más eficiente, en lugar de emplear el procedimiento aditivo (Módulo 2).

No se descarta, por otro lado, que el modelo pueda trabajar en conjunción con los

métodos heurísticos convencionales, algo que de hecho ya se hace en la actualidad, pero

aprovechando asimismo las ventajas que ofrece el Módulo 1 de Simus.

Se entiende por otro lado que los ejemplos propuestos en las tres publicaciones del

compendio reflejan en forma objetiva las hipótesis planteadas al comienzo de esta tesis,

referente no sólo a la utilidad de la PL/Simus para resolver problemas con varios

objetivos y con criterios cualitativos, sino también en el hecho de demostrar que se

puede alcanzar un resultado similar – si no idéntico - trabajando con dos modelos

diferentes. Uno de las publicaciones, alcanza por otro lado, usando el modulo 4 de

Simus, a encontrar una solución factible a un problema de muy difícil características y

del cual no conocemos que haya sido resuelto con anterioridad por algún otro modelo.

Como conclusión puede resumirse que el método propuesto cumple con los dos

objetivos planteados en la sección 1.2, referente a que la PL puede emplearse

ventajosamente para la resolución de problemas de toma de decisiones y con objetivos

múltiples, y que además demuestra que los modelos heurísticos que se utilizan para este

fin deberían producir resultados equivalentes. Desde este último punto de vista,

considerando que el algoritmo del Símplex sigue estrictos procedimientos matemáticos,

se estima que la PL puede tomarse como referencia para analizar los resultados

alcanzados por otros métodos, y naturalmente, para resolver problemas similares o más

complejos.




87

Tabla 6.4 Comparación de diversos proyectos resueltos por diferentes modelos con las soluciones alcanzados por Simus

Diferentes tipos de proyectos, su resolución y comparación

de resultados cuando se resuelven empleando LP / SIMUS

1 2 3 4 5 6 7 8 9

#

Área a la que

pertenece el

proyecto

Título original del

proyecto y autor/es

Tipo de

proyecto

Componentes

del proyecto

Modelo

empleado por

los autores

Resultados de

los autores

Resultados de

PL /SIMUS

Comparación

de los

resultados de

los autores

con aquellos

de PL/

SIMUS

PROYECTOS DE INFRAESTRUCTURA

01 Navegación

fluvial y puertos

(Cities Economics and

Economic

Development Number

132 – Page 128)

Selección de

rutas fluviales e

interconexión

hídrica

Alternativas: 6

Criterios: 7

SAMI

P3-P4-P2-P6-

P5-P1

P3-P5-P2-P1-

P3-P4

Coincidencia

sólo en la

primera

alternativa

02 Aeropuertos Integrated MCDA: A

Simulation Case Study

(Belton et al, 1998)

Programación de

vuelos en un

aeropuerto

Alternativas: 6

Criterios: 7

SIMULACIÓN

y

V.I.S.A.

E-F-A-D

F- E-B-D

Coincidencia

en las dos

primeras, pero

invertidas

88

03 Aeropuertos A note of the selected

multicriteria decision

methods and their

applications

A Case: Pittsburgh

Airport Transportation

Project (1999)

Acceso a un

aeropuerto

Alternativas: 4

Criterios: 6

AHP

GOAL

PROGRAM.

ELECTRE

MAUT

AHP:

A-B-C-D

Programación

por metas:

A

ELECTRE:

A-B-C

MAUT:

A-C B-D

A

A -C

Coincidencia

sólo en la

primera

alternativa en

todos los

modelos. En

las dos

primeras en

MAUT

10 Aeropuertos A Multicriteria

Decision Support

Methodology for

Evaluating Airport

Expansion Plans

(Vreeker et al, 2001)

Selección de

políticas para la

expansión de un

aeropuerto.

Maastricht.

(Holanda)

Alternativas: 4

Criterios: 2

REGIME

B – C – A- D

B - C – A – D

Total

coincidencia

en el

ordenamiento

28 Puertos Multicriteria decision-

making using Electre

(Huang et al, 2005)

Selección de

proyectos para

uso de la tierra

en el puerto de

Keelung.

(Taiwán)

Alternativas: 6

Criterios: 17

ELECTRE

A – F-– B/C -

E - D

F/A – B/C – D

– E

Coincidencia

casi perfecta

con inversión

en el último

par

05 Caminos y

ferrocarriles

Analytical Network

Process Model for

Highway Corridor

Planning

(Piantanakulchai,2003)

Planeamiento de

un corredor vial.

(Tailandia)

Alternativas: 4

Criterios: 37

ANP

B-A-C-D

B-A-C-D

Total

coincidencia

en el

ordenamiento




89

07 Caminos y

ferrocarriles

Road Materials

(No se menciona al

autor)

Selección de la

mejor mezcla

para pavimentos.

(Polonia)

Alternativas: 4

Criterios: 3

ELECTRE

3-1-4-2

3

Coincidencia

sólo en la

primera

alternativa

17 Urbanismo

(Agua potable)

Water supply system

decision making using

multicriteria analysis

(Morais et al, 2006)

Decisión sobre

abastecimiento

de agua potable.

(Brasil)

Alternativas: 8

Criterios: 4

ELECTRE

A3

A3 –A2 – A1

Coincidencia

sólo en la

primera

alternativa

18 Urbanismo

(Alcantarilla-

do)

The sustainability of

conventional versus

nature based sewerage

systems

(Lindholm et al, 2003)

Análisis sobre

incorporar una

zona de la ciudad

al alcantarillado

urbano o seguir

con los pozos

ciegos existentes.

Oslo (Noruega)

Alternativas: 2

Criterios: 11

ANÁLISIS

COSTE/BENE-

FICIO

Continuar con

pozos ciegos

Continuar con

pozos ciegos

Total

coincidencia

en el

ordenamiento

30 Urbanismo

(Infraestructura)

Strategic

implementation of

infrastructure priority

projects: Case study in

Palestine

(Ziara et al, 2002)

Selección de diez

proyectos de

infraestructura.

Franja de Gaza

(Palestina)

Alternativas: 8

Criterios: 7

AHP

WE15

WE55

WE03

WE08

WE15

WE55

Coincidencia

en las dos

primeras

alternativas

24 Transporte Inadequate route

selection oil pipeline

through Georgia

Oleoducto Bakú

(Mar Negro) –

Tbilisi- Ceyhas

(Mediterráneo)

Alternativas: 4

Criterios: 10

N o se menciona

el modelo

usado, aunque

presuntamente

la selección se

debió a razones

políticas y de

Central

Modificado

Central

modificado

Total

coincidencia

en el

ordenamiento

90

(The Netherlands

Commission for

Environmental Impact

Assessment)

seguridad

PROYECTOS DE GESTIÓN DE RESIDUOS SÓLIDOS

06 Residuos

sólidos

An integrated multi-

criteria decision

analysis and inexact

mixed integer linear

programming

approach for solid

waste management

(Cheng et al, 2003)

Gestión de

residuos sólidos.

Regina.

(Canadá)

Alternativas: 11

Criterios: 11

Emplea:

SWA

ELECTRE

TOPSIS

CGT

WP

Todos los

modelos

excepto CGT

eligen:

6 - 2

6 - 2

Total

coincidencia

en el

ordenamiento

37

Residuos

sólidos

Doctoral Thesis

University of Milano

(Tasca, 2006)

Localización de

incineradores de

residuos

domésticos.

Reggio Emilia.

(Italia)

Alternativas: 4

Criterios: 11

ANALISIS

COSTE/BENEC

IO

1. Gabasa 80

Metros

2. Gabasa 120

Metros

1. Gabasa 80

Metros

2. Gabasa 120

Metros

Total

coincidencia

en el

ordenamiento

PROYECTOS GUBERNAMENTALES

22 Gobierno DTLR Multa-Criterios

Analysis Manual

(Dogdson et al, 2002)

Ejemplo extraído

del „Manual de

Procedimientos

del Reino

Unido‟.

(Inglaterra)

Alternativas: 7

Criterios: 6

ELECTRE I

F - G

F

Coincidencia

sólo en la

primera

alternativa

33 Gobierno Strategic Evaluación

estratégica de la

Total




91

environmental

assessment of

Canadian

energy policy

(Noble, 2002)

política

ambiental

canadiense.

Ottawa.

(Canadá)

Alternativas: 5

Criterios: 11

No se indica el

modelo usado

3-1-5-2-4

3-1-5-2-4

coincidencia

en el

ordenamiento

PROYECTOS DE LOCALIZACIÓN INDUSTRIAL Y DE DISTRIBUCIÓN

09 Localización

industrial An Application of the

Analytical Hierarchy

Process to

International

Location Decision-

Making

(Atthirawong et al,

2002)

Determinación

para una

localización

industrial.

(Tailandia)

Alternativas: 4

Criterios: 3

AHP

Tailandia

Tailandia -

China

Total

coincidencia

en el

ordenamiento

21 Localización

académica

Aplicação Conjunta de

Métodos do Apoio

Multicriterio para

decisão dos impactos

de uma Universidade

Pública

Brasileira

(Monteiro, 2002)

Aplicación

conjunta de

métodos de

apoyo

multicriterio para

evaluar impactos

de una

universidad.

(Brasil)

Alternativas: 10

Criterios: 5

No se indica el

modelo usado

Niteroi

- Volta

Redonda

- Campo de

Goytacazes

- Santo

Antonio de

Padua

Niteroi

- Itaperuna –

Goytacazes –

Cabo Frio –

San Joao

Coincidencia

sólo en la

primera

alternativa

23 Localización The MCDM Based Rediseño del

92

industrial y

distribución

redesign of the

Distribution System

(Zak et al, 2009)

sistema de

distribución de

una compañía

electrónica.

(Polonia)

Alternativas: 7

Criterios: 29

ELECTRE III y

AHP

ELECTRE

A3-A4-A6-A7

A1-A2-A5

AHP

A7-A6-A3-A1

A4-A2-A5

A3 – A2

Coincidencia

sólo en la

primera

alternativa

PROYECTOS DE GENERACIÓN Y DISTRIBUCIÓN ELÉCTRICA

12 Centrales

hidráulicas

Ranking Projects

Using the ELECTRE

Method

(Buchanan et al, 1999)

Ordenamiento de

proyectos

eléctricos.

(Nueva Zelanda)

Alternativas: 4

Criterios: 5

ELECTRE

A-B-D-E-C

A-B-E-C-D

Coincidencia

en las dos

primeras

alternativas

13 Centrales

hidráulicas

Medium hydro-power

study project (MHSP) –

(ACRES / LAVALIN,

1997)

Estudio de

factibilidad de

proyectos

hídricos.

(Nepal)

Alternativas: 16

Criterios: 10

No se indica el

modelo usado

aunque

probablemente

haya sido Coste /

Beneficio

BH-5

LBH-1

UMS-3

ST/ML1

BH-5

LBH-1

UMS-3

ST/ML1

Total

coincidencia

en el

ordenamiento

26 Líneas de

transmisión

Use of geographic

information systems in

an environmental

impact assessment of

an overhead power

line

(Warner et al, 2002)

Construcción de

una línea de alta

tensión entre tres

ciudades.

KwaZulu .

(Sud África)

Alternativas: 4

Criterios: 17

GIS

Primera

sección:

Alt. IG

Segunda

sección

Alt. IIG

Primera

sección:

Alt. IG

Segunda

sección

Alt. IIG

Total

coincidencia

en el

ordenamiento

50 Generación

eléctrica

Análisis Multicriterio

de decisiones –

Métodos Promethee

Análisis

multicriterio para

la toma de

Portugal

Bélgica

Bélgica

Reino Unido




93

(Aragonés, 2008)

decisión Alternativas: 6

Criterios: 7

PROMETHEE Reino Unido

Francia

Alemania

España

Francia

Portugal

España

No hay

coincidencias

49 Generación

eléctrica

Pre-feasibility MCDM

tools to aid

communities in

prioritizing local viable

renewable energy

sources

(Nigim et al, 2004)

Estudio de pre

factibilidad

usando técnicas

de multicriterio

para priorizar

fuentes viables

de energía

renovable.

Toronto.

(Canadá)

Alternativas: 5

Criterios: 6

AHP

Solar - Eólica

Solar - Eólica

Coincidencia

en las dos

primeras

alternativas

11 Distribución de

energía térmica

y eléctrica

Multi-Criteria

Planning of Local

Energy with Multiple

Energy Carriers

( Lǿken, 2007)

Importación de

energía eléctrica

(Noruega)

Alternativas: 4

Criterios: 7

MAUT

y

AHP

MAUT :

C– B – A - D

Una versión

de AHP:

B – D- A – C

Otra versión

de AHP

B – A – D- C

B

Coincidencia

sólo en la

primera

alternativa

66 Fuentes de

energía

eléctrica

An Integrated Multi-

Criteria System to

Assess Sustainable

Energy Options: An

Application of the

Promethee Method

(Cavallaro, 2005)

Fuentes no

tradicionales de

generación

eléctrica.

(Italia)

Alternativas: 4

Criterios: 10

PROMETHEE

Eólica

Mareas

Biomasa

Fotovoltaica

Biomasa

Mareas

Eólica

Fotovoltaica

No hay

coincidencias

94

PROYECTOS AGRÍCOLAS

25 Protección de

cultivos

Analytical Hierarchy

Process

(University of Iowa)

Agricultura.

(EE.UU.)

Alternativas: 3

Criterios: 4

AHP

Genmarker

Storage

Microcop

Genmarker

Storage

Microcop

Total

coincidencia

en el

ordenamiento

39 Investigación

agrícola-

ganadera

Priority Setting in

Agricultural Research in

Ukraine

(ÐORÐEVIÆ et al,

2002)

Investigación

agrícola

(Ucrania)

Alternativas: 17

Criterios: 3

AHP

Carne de

cerdo

Trigo

Uvas

Leche

Maíz

Carne vacuna

Carne de

cerdo

Leche

Soja

Frutales

Cebada

Coincidencia

sólo en la

primera

alternativa

41 Uso sostenible

de la tierra

agrícola

Multicriteria Evaluation

of Sustainable

Agricultural Land Use.

A case study of Lesvos

(Hermanides et al, 1998)

Evaluación de

agricultura

sostenible. Isla

de Lesvos –

(Grecia)

Alternativas: 4

Criterios: 20

REGIME

4S

4S

Total

coincidencia

en el

ordenamiento

PROYECTOS DE PLANEAMIENTO ECONÓMICO

63 Planeamiento

económico

Business location case

study

(Belton et al, 2001)

Estudio de

localización de

un negocio

Alternativas: 7

Criterios: 4

No indica el

modelo usado

Bruselas

París

Ámsterdam

Londres

Ámsterdam

Varsovia

No hay

coincidencias

15 Planeamiento

económico

Some particular aspects

concerning Electre

method applications

Alternativas de

selección de

inversiones.

(Rumania)

ELECTRE EN

ELECTRE I:

A2-A3-A4-

A1-A5

No hay

coincidencias,




95

(Condurache et al, 2003)

Alternativas: 5

Criterios: 4

DIFERENTES

VERSIONES

ELECTRE II:

A1-A2-A3-

A4-A5

ELECTRE IV:

A4-A1-A2-

A3-A5

ELECTRE

Modificado:

A3-A5-A1-

A2-A4

A5 – A1 –A2

– A4

pero observar

que tampoco

hay

coincidencias

entre las

diferentes

soluciones de

Promethee

PROYECTOS DE VIVIENDAS

16 Estilos

constructivos

Lecture 1.3.2 : Multi-

criterion decision-

making using Electre

(La Commune de

Meyrin, 1998)

Selección de

estilos de

viviendas.

Ginebra.

(Suiza)

Alternativas: 4

Criterios: 11

ELECTRE III

5 - 6

5 - 6

Total

coincidencia

en el

ordenamiento

PROYECTOS VARIOS

47 Toma de

decisión

Strict uncertainty: A

criterion for moderately

pessimistic decision

makers

(Ballestero, 2002)

Se propone una

regla de

decisión para

ordenar

actividades

bajo

incertidumbre

estricta

Alternativas: 6

Criterios: 3

PROGRA-

MACIÓN

COMPRO-

MISO

A3 – A4 – A6

– A1 – A2 –

A5

A3 – A4 – A2

– A5 – A6- A1

Coincidencia

en las dos

primeras

alternativas

51 Medicina Selection of a medical

treatment

(Autor no mencionado)

Selección de un

tratamiento

médico

Alternativas: 3

Criterios: 3

MAUT

Medicación

Ejercicio

Dieta

Medicación

Coincidencia

sólo en la

primera

alternativa

14 Selección de

personal

A Multicriteria Enfoque

multicriterio

Alternativas: 4

Montreal 1

Montreal 1

Total

96

Approach for Selecting a

Portfolio

Manager. EE.UU.

(Hababou et al, 1998)

para

seleccionar un

gerente de

inversiones en

proyectos

Criterios: 9 PROMETHEE

Calgary 1

Toronto 1

Montreal 2

Calgary 1

Toronto 1

Montreal 2

coincidencia

en el

ordenamiento

64

Tecnología Selection of broadband

technology for the

Universidad Nacional de

Colombia

(Cortez et al, 2007)

Selección de

una tecnología

de banda ancha

para la

Universidad

Nacional de

Colombia.

(Colombia)

Alternativas: 4

Criterios: 8

AHP

ADSL

Fibra óptica

Cable

LMDS

ADSL

Cable

Fibra óptica

Coincidencia

sólo en la

primera

alternativa

45 Actividad

militar

Electre application for

the selection of a fighter

bomber aircraft

(Romero, 1996 b)

Modelo Electre

aplicado a la

selección de un

caza

bombardero

Alternativas: 4

Criterios: 4

ELECTRE

A

A

Total

coincidencia

en el

ordenamiento

Sólo una

alternativa

seleccionada

en ambos

modelos

29 Elección de un

método de

selección

An examination of the

effectiveness of multi-

dimensional decision

making methods: A

decision-making

paradox

(Triantaphyllou et al,

1989)

Examen de la

efectividad de

modelos de

decisión

multicriterio

Alternativas: 3

Criterios: 3

AHP

Suma

ponderada

Suma

ponderada

Total

coincidencia

en el

ordenamiento

Sólo una

alternativa

seleccionada

en ambos

modelos

08 Compra de un

vehículo

Using the Analytic Selección de un

automóvil

Total




97

Hierarchy Process

(AHP)

(Autor no mencionado)

Alternativas: 3

Criterios: 4

AHP

B-C-A B-C-A

coincidencia

en el

ordenamiento

PROYECTOS MEDIOAMBIENTALES

19 Medio ambiente

(Reciclaje) Promethee Multicriteria

Analysis for Evaluation

of Recycling

Strategies in Malaysia

(Chenayah et al, 2006)

Medios de

publicidad para

promover el

reciclaje

(Carteles,

exhibiciones,

material

impreso, etc.).

(Malasia)

Alternativas: 5

Criterios: 4

PROMETHEE

A3 - A2

A3 - A2

Total

coincidencia

en el

ordenamiento

67 Medición de la

sostenibilidad

urbana

Measuring

Sustainability:

A Multi-Criterion

Framework

(Munda, 2003)

Medición de la

sostenibilidad

Alternativas: 4

Criterios: 9

MAUT

Moscú –

Budapest –

Nueva York -

Ámsterdam

Moscú –

Budapest -

Ámsterdam -

Nueva York

Coincidencia

en las dos

primeras

alternativas

48 Gestión medio

ambiental

Instrumentos

económicos para la

gestión ambiental:

Decisiones mono

criterios versus

decisiones multi criterio

(Falconi et al, 2004)

Instrumentos

económicos

para la gestión

medio

ambiental

Alternativas: 4

Criterios: 11

NAIADE

D – C- B - A

D – B – C- A

Coincidencia

sólo en la

primera

alternativa

98

20 Medio

ambiente

(Reciclaje)

Multicriteria Analysis

for Evaluation of

Recycling

Strategies in Malaysia

(Chenayah et al, 2006)

Medios para el

reciclaje.

(Contenedores,

camiones,

centro colector,

etc.)

Alternativas: 5

Criterios: 4

PROMETHEE

B4-B1-B2-B3-

B5

B4-B1-B2-B3-

B5

Total

coincidencia

en el

ordenamiento

PROYECTOS RELACIONADOS CON ACTIVIDADES INDUSTRIALES

27 Minería Multicriteria choice of

ore transport system for

an underground mine:

application of

Promethee methods

(Elevli et al, 2004)

Elección del

sistema de

transporte para

una mina

subterránea.

(Turquía)

Alternativas: 5

Criterios: 6

PROMETHEE

IRH-ERH-

SIS-DES-SNS

ERH – DES -

SIS

No hay

coincidencias

65 Fabricación de

bicicletas

A Multicriteria

Approach to Decision

Aid: Promethee & GAIA

(Mareschal, 2008)

Selección de

los medios de

comunicación

para

promocionar un

producto

Alternativas: 6

Criterios: 5

PROMETHEE

CMM

Herald

Anuncios

Correo

News - NCB

CMM

Correo

News – NCB

Anuncios

Herald

Coincidencia

sólo en la

primera

alternativa

46 Industria

automovilística

Multi-Criteria Decision

Support for Integrated

Technique Assessment

(Treitz et al, 2005)

Selección de

diferentes bases

de pintura para

automóviles

(Austria)

Alternativas: 6

Criterios: 7

PROMETHEE

1K UV

E-IR

2KU-IR

1K UV-A

E-T

2K-UT

1K UV

2KU-IR

E-T

Coincidencia

sólo en la

primera

alternativa

Resumen de este trabajo

Esta tesis está relacionada con la toma de decisiones en proyectos complejos en los

cuales es necesario adoptar una alternativa de entre varias posibles y sujetas todas ellas

a una serie de restricciones. Es éste un problema muy conocido y muy frecuente y que

puede resolverse mediante Programación Lineal, técnica desarrollada a mediados del

siglo pasado, la cual suministra, si existe, una solución óptima al problema, es decir

halla un óptimo de Pareto, y que por lo tanto no puede mejorarse. Se han desarrollado

muchas otras técnicas de tipo heurístico, basadas en distintos principios, para solucionar

este problema de gran interés en la práctica, sin embargo todas ellas proveen soluciones

que si bien pueden satisfacer al centro decisor y partes interesadas, no arrojan una

solución óptima sino satisfaciente.

El aporte de esta tesis es que aprovecha las características de optimización paretiana de

la Programación Lineal, con su capacidad para tratar problemas de grandes dimensiones

en cantidad de alternativas y en criterios de selección, que en general no son aptos para

ser resueltos por técnicas heurísticas, y la potencialidad de la técnica para representar en

forma matemática situaciones reales y muy complejas, como son la mayoría de los

problemas que se presentan en la vida real. Esta capacidad de modelación está basada

en la posibilidad de representar matemáticamente situaciones condicionantes, de

restricciones de capital, de límites o umbrales que se establecen por diversas razones,

tales como el máximo permitido de contaminación atmosférica, etc. Sin embargo,

desgraciadamente, la PL puede trabajar sólo con un único objetivo, aunque se han hecho

valiosos intentos para eliminar esta restricción.

Este trabajo propone el empleo de la técnica SIMUS, la cual, basada en la PL posibilita

ampliar su campo de acción al permitir no sólo trabajar con cualquier cantidad de

objetivos, sean éstos de máxima, de mínima o mezclados, sino también el empleo de

criterios subjetivos, que es otro aspecto limitante de la PL clásica. Es decir Simus

permite ampliar el campo de aplicación - por cierto muy amplio de la PL – al facilitar la

resolución, aunque no con un resultado optimo, sino satisfaciente, de situaciones muy

complejas, con varios objetivos, cientos o miles de alternativas y criterios, y empleando

mezclados, criterios objetivos y subjetivos.

Una ventaja inherente de la PL es que no necesita que se determinen pesos o niveles de

importancia y por lo tanto reduce considerablemente el riesgo de obtener soluciones

satisfacientes que dependen en gran medida de la subjetividad del centro decisor. Simus

se ha contrastado con una cantidad apreciable de problemas reales, resueltos por los

métodos heurísticos y cuyo resultado arroja un gran porcentaje de coincidencia no solo

en las alternativas elegidas sino también en su ordenamiento.

100

Por lo tanto, se considera que Simus provee una herramienta que puede ser de gran

utilidad en la resolución de complejos problemas de decisión que son cada día más

frecuentes.

Resum d'aquest treball

Aquesta tesi està relacionada amb la presa de decisions en projectes complexos en els

quals és necessari adoptar una alternativa d'entre diverses possibles i subjectes totes

elles a una sèrie de restriccions. És aquest un problema molt conegut i molt freqüent i

que pot resoldre's mitjançant Programació Lineal, tècnica desenvolupada a mitjan segle

passat, la qual subministra, si existeix, una solució òptima al problema, és a dir troba un

òptim de Pareto, i que per tant no pot millorar-se. S'han desenvolupat moltes altres

tècniques de tipus heurístic, basades en diferents principis, per a solucionar aquest

problema de gran interès en la pràctica, no obstant açò totes elles proveeixen solucions

que si bé poden satisfer a l'ens decisor i parts interessades, no llancen una solució

òptima sinó satisfaent.

L'aportació d'aquesta tesi és que aprofita les característiques d'optimització paretiana de

la Programació Lineal, amb la seua capacitat per a tractar problemes de grans

dimensions en quantitat d'alternatives i en criteris de selecció, que en general no són

aptes per a ser resolts per tècniques heurístiques, i la potencialitat de la tècnica per a

representar en forma matemàtica situacions reals i molt complexes, com són la majoria

dels problemes que es presenten en la vida real. Aquesta capacitat de modelació està

basada en la possibilitat de representar matemàticament situacions condicionants, de

restriccions de capital, de límits o llindars que s'estableixen per diverses raons, tals com

el màxim permès de contaminació atmosfèrica, etc. No obstant açò, desgraciadament, la

PL pot treballar només amb un únic objectiu, encara que s'han fet valuosos intents per a

eliminar aquesta restricció.

Aquest treball proposa l'ocupació de la tècnica SIMUS, la qual, basada en la PL

possibilita ampliar el seu camp d'acció en permetre no solament treballar amb qualsevol

quantitat d'objectius, siguen aquests de màxima, de mínima o barrejats, sinó també

l'ocupació de criteris subjectius, que és un altre aspecte limitant de la PL clàssica. És a

dir Simus permet ampliar el camp d'aplicació - per cert molt ampli - de la PL en facilitar

la resolució, encara que no amb un resultat òptim, sinó satisfaent, de situacions molt

complexes, amb diversos objectius, centenars o milers d'alternatives i criteris, i emprant

barrejats, criteris quantitatius i qualitatius.

Un avantatge inherent de la PL és que no necessita que es determinen pesos o nivells

d'importància i per tant redueix considerablement el risc d'obtenir solucions satisfaents

que depenen en gran mesura de la subjectivitat de l'ens decisor. Simus s'ha contrastat

amb una quantitat apreciable de problemes reals, resolts pels mètodes heurístics i el

resultat dels quals llança un gran percentatge de coincidència no solament en les

alternatives triades sinó també en el seu ordenament.




101

Per tant, es considera que Simus proveeix una eina que pot ser de gran utilitat en la

resolució de complexos problemes de decisió que són cada dia més freqüents.

Abstract

This thesis is related with decision-making for complex problems, when it is necessary

to choose an alternative or a project amongst many, and all of them subject to a series of

restrictions. This is a very well known and frequent problem and which can be solved

by Linear Programming, technique developed in the 1950‟s, and that delivers, if it

exists, an optimal solution to the problem. This result is a Pareto optimum and

consequently cannot be improved. In addition, many heuristic techniques have been

developed - grounded on diverse principles - and considering different objectives to

solve this problem, which has a great practical interest. Most of them supply solutions

that can satisfy the decision-maker and stakeholders; however, they do not produce an

optimal solution but a satisfying approach.

The method proposed in this thesis takes advantage of the Paretian optimization of

Linear Programming, related to its capacity to solve large problems (for instance for

river basins), with a great number of projects or alternatives and selection criteria,

which in general are not suitable to be cracked by heuristic techniques. In addition, it

also takes advantage of the power of the tool to represent in a mathematical format

actual and complex scenarios, as are most of the decision problems in real life. This

capacity of modeling is based in the possibility of mathematically representing

conditioning scenarios such as fund restrictions and cashflow, limits or thresholds

established for different reasons, such as the maximum allowable contribution to

atmospheric contamination, maximum extraction of water from wells considering

natural refilling, etc. However, Linear Programming, unfortunately, only works with

one objective, albeit many attempts have been made to overcome this disadvantage

which is not present in heuristic methods.

This work proposes using the Simus algorithm, which allows to greatly enhance Linear

Programming applications since it permits working with any quantity of objectives,

either of maximization, minimization or equality, and to employ qualitative restrictions,

which is another limiting aspect of the classical Linear Programming. In conclusion

Simus permits enlarging the field of application of this technique - certainly already

very extensive – in order to reach a result, albeit not optimal, but satisfying to the

decision-maker and stakeholders, regarding very complex scenarios, with several

objectives, with hundreds or thousands of alternatives and criteria and mixing, if

necessary, quantitative and qualitative constraints.

An inherent advantage of Linear Programming rests in the fact that it does not need

weights or levels to gauge importance of criteria, and consequently, the risk of obtaining

102

satisfying solutions which depend on the decision-maker subjectivity is greatly reduced.

Simus results have been contrasted with those of an appreciable number of actual

problems, solved with different heuristic methods by diverse researchers, and the result

shows a large percentage of coincidences not only in the alternatives chosen but in their

ranking too. As a summary, it is considered that Simus supplies a tool which can be

very useful in solving complex decision-making problems which are nowadays more

frequent and increasing.




103

GLOSARIO

Acción: Indica el tipo el propósito de cada restricción, es decir indicar que se desea una

maximización, una minimización o una igualdad.

Análisis de sensibilidad: Análisis de cómo varía una solución cuando se varían ciertos

parámetros. Es útil para determinar la estabilidad de una solución dada con respecto

a posibles cambios de algunas variables

Causalidad: Se aplica a la relación causa y efecto. En el contexto de esta tesis se refiere

a cómo influyen en forma seriada los efectos de un proyecto que generan un cierto

impacto que a su vez tiene influencia en otro y así sucesivamente.

Coeficientes de la matriz de decisión (aij): Valores que se colocan en la intersección de

cada columna con cada fila para demostrar la contribución de cada alternativa (en

columnas) en el cumplimiento de lo requerido por cada restricción o criterio (en

filas).

Contrastación: En el caso de esta tesis es la comparación de los resultados de diversos

problemas obtenidos por diferentes algoritmos y el método Simus.

Criterios: Ver „Restricciones‟

Entropía: Medida de la cantidad de información de un conjunto de datos.

Externalidades: Acciones para las cuales no hay un valor del mercado, pero que sin

embargo afectan a la sociedad, la economía y el medioambiente. Por ejemplo la

producción de ruido en una autopista, la degradación del suelo, la pérdida de áreas

verdes, etc.

Impacto: Efecto de un proyecto sobre el medio ambiente, la economía, la sociedad, etc.

Pueden ser positivos y negativos.

Indicadores: Son métricas que tienen varias funciones, por ejemplo medir la intensidad

de un impacto, capacidades limites, tendencias, etc.

Kernel: En este trabajo se refiere a un subconjunto asociado con un mapeo.

Matriz de decisión: Matriz que en columnas y en filas respectivamente refleja los

proyectos o alternativas y los criterios o restricciones. Es común a todos los modelos

de resolución de problemas de decisión. En PL la matriz de decisión tiene además

una columna adicional que corresponde al vector de requerimientos, o lo que lo

mismo, de los valores que limitan las restricciones.

Matriz de soluciones eficientes: Matriz cuyos componentes son soluciones eficientes de

un mismo problema resuelto en forma sucesiva considerando objetivos diferentes.

104

Matriz encadenada: Matriz que analiza en forma seriada la relación con respecto

impactos entre acciones, efectos, consecuencias y receptores.

Método Simplex: Algoritmo de resolución de un problema de Programación Lineal

donde se trata de encontrar la mejor mezcla u ordenamiento de alternativas o

proyectos, que dependen de criterios o restricciones y a fin de cumplimentar un

objetivo establecido

Modelación: Intento de generar un modelo matemático que representa aunque sea en

forma aproximada las condiciones de un problema real.

Objetivo simple: Fin que se desea alcanzar, expresado como una función matemática

lineal que puede ser de maximización o minimización. Generalmente no tiene un

valor numérico especificado

Objetivos múltiples: Múltiples fines que se desea alcanzar. Por ejemplo que un proyecto

tenga como objetivos un mínimo coste monetario, a la vez que máxima rentabilidad,

mínimo daño al medio ambiente, máximo beneficio a la población, etc. Es el tipo

común de objetivos con que trabajan los métodos heurísticos para toma de

decisiones.

OCDE: „Organización para la Cooperación y el Desarrollo Económico‟. Es una

organización internacional compuesta por 33 estados

Politopo: Conjunto formado por la intersección de líneas (en un espacio de dos

dimensiones y que constituye un polígono), por planos (en un espacio de tres

dimensiones, y que constituye entonces un poliedro), por hiperplanos (en un

espacian de n- dimensiones, y que constituye entonces un hiperpoliedro).

Problema dual: Es la inversa de un problema directo de PL, en donde las columnas del

proyecto directo constituyen las filas del dual, en tanto que las filas del directo se

transforman en columnas del dual. Ambos problemas se resuelven simultáneamente

con el algoritmo del Simplex, es decir al hallar la solución del problema directo se

halla también la del dual. Aunque ambos producen el mismo valor del funcional, sus

respectivas variables tienen significados totalmente diferentes. Las variables del

problema directo dan el valor de las alternativas, en tanto que las variables del dual

expresan el valor marginal de cada restricción. El dual tiene una enorme importancia

en PL y en su aplicación a problemas prácticos ya permite conocer, entre otros

aspectos, la sensibilidad de la solución alcanzada.

Problema primal o directo: Es el problema normal en PL en donde una matriz de

decisión representa alternativas y criterios o restricciones y obedeciendo a un

objetivo. Se resuelve por medio del algoritmo del Simplex

Programación Lineal (PL): Técnica que trata de las relaciones lineales entre variables

en problemas donde hay que optimizar una función lineal sujeta a restricciones

lineales Fue desarrollada por Leónid Kantoróvich para optimizar recursos.




105

Programación no lineal: Formada por una función objetivo y restricciones no lineales.

Este sistema no se resuelve por el algoritmo del Simplex, (sino en algoritmos

basados en la Teoría de Khun y Tucker) y aunque también existe una solución dual

que arroja valores marginales (Multiplicadores de Lagrange), estos valores son

puntuales y no constantes como en el caso de la PL

Restricciones cualitativas: Aquellas que expresan opiniones no cuantificables con

exactitud en forma directa. Por ejemplo, Bueno. Malo, Conveniente, No deseable,

etc. Muy común en proyectos por ejemplo cuando se pide la opinión de la gente con

respecto a los beneficios o perjuicios de un proyecto.

Restricciones cuantitativas: Aquellas que representan cantidades cuantificables tales

como Km, m3, mg/m

3, ppb, etc.

Restricciones: Condiciones que deben cumplir los proyectos o alternativas a analizar

para cumplir con el objetivo propuesto Constituyen el medio empleado para

seleccionar las alternativas y pueden obedecer a acciones de maximización,

minimización o igualdad, y deben cumplir con un valor numérico definido.

Simplex: Algoritmo desarrollado por George Dantzig que permite resolver

eficientemente problemas de PL

Solver: Agregado o rutina de Excel que aplica el algoritmo del Simplex.

REFERENCIAS BIBLIOGRÁFICAS

ACRES/LAVALIN (1997). Medium hydro-power study project (MHSP) –The World

Bank

Alberto, C., Carignano, C. (2004). Métodos no paramétricos y apoyo multicriterio a las

decisiones: Eficiencia de la educación superior en Argentina – Universidad Nacional

de Córdoba.

<http://www.famaf.unc.edu.ar/~torres/trabajosparapublicacion/15modelos_matemati

cos_interdisciplinarios/15-modelos_matematicos_interdisciplinarios-01.pdf.>

[Consultado: 10 de octubre de 2010]

Aragonés, P. (2008). Análisis Multicriterio de Decisiones. Métodos Promethee. Apuntes

de clase, Universidad Politécnica de Valencia, España

Aragones, P., Gómez-Senent, E. (2001). Técnicas de ayuda a la decisión multicriterio –

Cuaderno de apuntes – Departamento de Ingeniería de la Construcción y de

Proyectos de Ingeniería Civil – Universidad Politécnica de Valencia

Atthirawong, W, Mac Carthy, B. (2002). An Application of the Analytical Hierarchy

Process to International Location Decision-Making- Paper, University of

Nottingham

Ballestero, E. (2002). Strict uncertainty: A criterion for moderately pessimistic decision

makers. Decision Sciences; Winter 2002; 33, 1; AB/INFORM Global

Barba-Romero, S. (1997). 3. Conceptos y soportes informáticos de la decisión

multicriterio discreta. Fuente: Martínez, Eduardo y Escudey, Mauricio (eds.) (1997),

Evaluación y decisión multicriterio: reflexiones y experiencias, Santiago, USACH,

UNESCO © 1997

Barda, O., Dupuis, J., Lencioni, P. (1990). Multicriteria Location of Thermal Power

Plants – European Journal of Operations Research, 45, pp. 332-346

Behzadian. M, Kazemzadeh, R., Albadvi, A., Aghdasi, M. PROMETHEE: A

comprehensive literature review on methodologies and applications. European

Journal of Operations Research, 200 (2010), 198-215

Belton, V., Stewart, T., (2001). Multiple Criteria Decision Analysis – An Integrated

Approach, Kluwer Academic Publishers, Boston/Dordrecht/London

Belton, V., Elder, M. (1998). Integrated MCDA: A Simulation Case Study. Management

Science, University of Strathclyde, Glasgow, Scotland

Brans, J., Mareschal, B. (2004). Multiple criteria decision analysis – Chapter 5 –

Promethee methods.

http://www.famaf.unc.edu.ar/~torres/trabajosparapublicacion/15modelos_matematicos_interdisciplinarios/15-modelos_matematicos_interdisciplinarios-01.pdf

http://www.famaf.unc.edu.ar/~torres/trabajosparapublicacion/15modelos_matematicos_interdisciplinarios/15-modelos_matematicos_interdisciplinarios-01.pdf

108

< http://info.wlu.ca/~wwwmath/courses/graduatecourses/ma536/promethee.pdf>

[Consultado: 28 de setiembre de 2010]

Brans, J.,Vincke and Mareschal, B. (1986). How to select and how to rank projects: The

Promethee method, European Journal of Operational Research 24.

Brans, J., Vincke, Ph. (1985). A preference ranking organization method: The

Promethee method, Management Science 31, 647-656

Brans, J., Mareschal, B.; Vincke, Ph. (1984). PROMETHEE: A new family of

outranking methods in MCDM en Brans, J.P. Edi. Operational Research´84. North

Holland (1100 p.); pp. 447-490.

Brans, J. (1982). “LÍngéniérie de la decisión. Elaboration dínstruments dÁide à la

décision. La méthode PROMETHEE”. Université LAVAL. Colloque dÁide à la

Decisión, Québec, pp. 183-213

Buchanan, J., Sheppard, P. (1999). Ranking projects using the Electre method.

Technical paper, University of Waikato, New Zealand

Calderón, E., Goger, T. (2009). Integrated Assessment of Environmental Impact on

Traffic and Transport Infrastructure ISBN: 078-84-7493-401-4

Cavallaro, F (2005). An Integrated Multi-Criteria System to Assess Sustainable Energy

Options: An Application of the Promethee Method - Fondazione Eni Enrico Mattei -

Working Papers

Charnes, A. A., and Cooper, W.W. (1961). Management models and industrial

applications of linear programming, John Wiley and Sons.

Chenayah, S., Takeda, E. (2006). Promethee Multicriteria Analysis for Evaluation of

Recycling Strategies in Malaysia. Discussion papers in Economics and Business,

with number 05-01, Osaka University

Cheng, S., Chan, C., Huang, G. (2003). An integrated multi-criteria decision analysis

and inexact mixed integer linear programming approach for solid waste management.

Engineering Applications of Artificial Intelligence 16 (2003) 543-554

Condurache, G., Ciobanu, R-M. (2003). Some particular aspects concerning Electre

method applications

<http://www.unitus.it/mcda57/lavori/PapConduracheCiobanu.pdf.>

[Consultado: 17 de abril de 2010]

Cohon, J. (1978). Multiobjective Programming and Planning – Academic Press, New

York.

http://info.wlu.ca/~wwwmath/courses/graduatecourses/ma536/promethee.pdf

http://www.unitus.it/mcda57/lavori/PapConduracheCiobanu.pdf




109

Cortez, F., García, M., Aragonés, P. (2007) Selection of broadband technology for the

Universidad Nacional de Colombia. Ingeniería e Investigación, Vol. 27 Número 1,

Bogotá

Dantzig, G. (1948). Linear Programming and Extensions. United States Air Force

De Keyser, W., Peeters, P. (1996). A note on the use of PROMETHEE multicriteria

methods. European Journal of Operational Research. Volume 89, Issue 3, 22 March

1996, Pages 457-461

Dodgson, J., Spackman, M., Pearman, A. (2002). DTLR (Department of Transportation,

Local Government and Regions). Multicriteria Analysis Manual. National Economic

Research Associates and DTLR members, U.K.

ÐORÐEVIÆ, M., HUNJAK, T. (2002). Priority Setting in Agricultural Research in

Ukraine Agriculturae Conspectus Scientificus, Vol. 67 (2002) No. 2 (57-68)

Duckstein, L., Treichel, W., Magnouni, S. (1994). Ranking groundwater management

by multicriterion analysis. Journal of Water Resources Planning and Management

120(4):546-565; jul.-ago. 1994.

Dutta, G., Fourer, R. (2001). A Survey of Mathematical Programming Applications in

Integrated Steel Plants

Edwards, W. (1977). How to use multiattribute utility measurement for social

decisionmaking. IEEE Transactions on Systems, Man, and Cybernetics, SMC-7,

326-340.

Elevli, B, Demirci, A. (2004). Multicriteria choice of ore transport system for an

underground mine: application of PROMETHEE methods. International Platinum

Conference „Platinum Adding Value‟3–7 October 2004, Sun City, South Africa

Falconi, F., Burbano, R. (2004). Instrumentos económicos para la gestión ambiental:

Decisiones monocriteriales versus decisiones multicriteriales. Revista

Iberoamericana de Economía Ecológica (REVIBEC). Vol. 1 2004-págs. 11-20

Fichefet, J., Lecrercq, J. (1986). A MulticriteriaMicrocomputer –assisted Systrem for

the Identification of Bacteria. European Journal of Operations Research, 24, pp. 12-

22

Figueira, J., Graco, S., Ehrgott, M. (editores) (2005). Multiple criteria decision

analysis: State of the art surveys - Springer

García, F., Munier, N. (2009). Determinación de la política para la expansión de un

aeropuerto-Trabajo final de „Herramientas para la toma de decisiones‟, para el

http://www.sciencedirect.com/science/journal/03772217

http://www.sciencedirect.com/science?_ob=PublicationURL&_tockey=%23TOC%235963%231996%23999109996%2365261%23FLP%23&_cdi=5963&_pubType=J&view=c&_auth=y&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=391ebc8d470b13bfbc03c804b44ea4e0

110

Máster en Dirección y Gestión de Proyectos - Universidad Politécnica de Valencia,

España

Hababou, M., Martel, J-M. ( 1998). A Multicriteria Approach for Selecting a Portfolio

Manager. Schulich School of Business, York University

Hermanides, C., Nijkamp, P. (1998). Multicriteria Evaluation of Sustainable

Agricultural Land Use. A case study of Lesvos- Multicriteria Analysis for Land Use

Management. Kluwer Academic Publishers, Dordrecht, The Netherlands

Hidalgo, F. (2007). Análisis multicriterio para la óptima ubicación de una central de

energía a partir de biomasa en Andalucía. Artículo, Universidad Pablo de Olavide,

Sevilla. <

http://www.etsia.upm.es/ANTIGUA/DIRECCION/eu/documentos/Certamen_Arqui

medes/007-FranciscoHidalgo.pdf> [Consultado: 07 de octubre de 2010]

Hobbs, B.F., Horn, G.T. (1997). Building Public Confidence in Energy Planning: A

Multimethod MCDM Approach to Demand-Side Planning at BC Gas - Energy

Policy, vol. 25 (3), p. 357-375

Huang, W-C, Chen, C-H. (2005). Using the Electre II method to apply and analyze the

differentiation theory. Proceedings of the Eastern Asia Society for Transportation

Studies, Vol. 5, pp. 2237 - 2249, 2005

Hwang, C., and Yoon, K. (1981).Multiple attribute decision making methods and

applications survey, Springer.

Ignizio, J., Cavallier, .P ( 1994). Linear Programming . Prentice Hall

Jaramillo, P. (2002). Métodos de Análisis Multiobjetivo para problemas continuos.

Universidad Nacional de Colombia - Sede Medellín Módulo 4

<http://pisis.unalmed.edu.co/vieja/cursos/analisis_decisiones/AD_4_%20ponderante

s%20y%20compromiso.pdf> [Consultado: 27 de abril de 2010]

Jones. D., Tamiz, M, (2010). Practical Goal Programming – Springer

Joumard, R., Gudmunsson, H. (eds) (2010). Indicators of Environmental Sustinability in

Transport: An Interdisciplinary approach to methods ISBN: 978-2-85782-664-2

Kantoróvich, L. (1959). La asignación óptima de recursos. Editorial Ariel, 1968

Keeney, R., Raiffa, H.: (1976). Decisions with Multiple Objectives: Preferences and

Value Tradeoffs. Wiley, New York.

Keeney, R.L. y Raiffa, H. (1993). Decisions with Multiple Objectives: Preferences and

Value Trade-offs. Cambridge University Press, Cambridge.

http://www.etsia.upm.es/ANTIGUA/DIRECCION/eu/documentos/Certamen_Arquimedes/007-FranciscoHidalgo.pdf

http://www.etsia.upm.es/ANTIGUA/DIRECCION/eu/documentos/Certamen_Arquimedes/007-FranciscoHidalgo.pdf

http://pisis.unalmed.edu.co/vieja/cursos/analisis_decisiones/AD_4_%20ponderantes%20y%20compromiso.pdf

http://pisis.unalmed.edu.co/vieja/cursos/analisis_decisiones/AD_4_%20ponderantes%20y%20compromiso.pdf




111

Korhonen, P., Topdagi, H. (2003). Performance of the AHP in comparison of gains and

losses. Mathematical and Computer Modeling. Volume 37, Issues 7-8, April 2003,

Pages 757-766

La Commune de Meyrin (1988). Lecture 1.3.2: Multi-criterion decision-making using

ELECTRE.

<http:// hydram.epfl.ch/personnes/Paschoud_UDMS99.pdf>. [Consultado: 19 de

diciembre de 2009]

Leontief, W. (1951). Input-Output Economics, Scientific American, October 1951, pp.

15–21.

Leyva Lopez, J-C. (2004). Multicriteria decision aid application to a student selection

problem. Pesquisa Operacional, v.25, n.1, p.45-68, Janeiro a Abril de 2005 45

Lindholm, O., Kine, H. (2003). The sustainability of conventional versus nature based

sewerage systems – COST 8 -Trento, Italy

Lǿken,E. (2007). Multi-Criteria Planning of Local Energy Systems with Multiple

Energy Carriers-Thesis Doctoral – Norwegian University of Science and

Technology

Macharis, C., Springael, J., De Brucker, K., Verbeke, A. (2004) PROMETHEE and

AHP: The design of operational synergies in multicriteria analysis. Strengthening

PROMETHEE with ideas of AHP. European Journal of Operations Research, 153

(2004), 307-317

Mareschal, B. (2008). A Multicriteria Approach to Decision Aid: Promethee & GAIA

<http://theses.ulb.ac.be/ETD> [Consultado: 20 de enero de 2010]

Mareschal, B., De Smet, Y., Nemery, P. (2006). Rank Reversal in the PROMETHEE II

Method: Some New Results

<http://userweb.port.ac.uk/~nemeryp/promethee_rank_reversal.pdf>. [Consultado:

09 de octubre de 2010]

Martínez, J., Erdmann, E., Tarifa, E. (2005). Evaluación de métodos para análisis

multicriterio Promethee y AHP - CONICET, Argentina

Monteiro, A. (2002) Avaliaçao dos impactos de uma Universidade Pública Brasileira-

Revista de la Escuela de Perfeccionamiento en Investigación Operativa, Buenos

Aires, V. 11, N. 23, P. 69-86, 2002.

Morais, D. and Almeida, A. (2006). Water supply system decision making using

multicriteria analysis. Federal University of Pernambuco, Brazil

http://www.sciencedirect.com/science/journal/08957177

http://www.sciencedirect.com/science?_ob=PublicationURL&_tockey=%23TOC%235656%232003%23999629992%23442780%23FLP%23&_cdi=5656&_pubType=J&view=c&_auth=y&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=fd9cff820b318277b8efbea18dccffa7

http://theses.ulb.ac.be/ETD

http://userweb.port.ac.uk/~nemeryp/promethee_rank_reversal.pdf

112

Munda, G., (2003). Between Science and Democracy: the Role of Social Multi-Criteria

Evaluation (SMCE) Groupe de Travail Européen Aide Multicritère à la Décision

Série 3, nº7, printemps 2003

Munier, N. (2004). Multicriteria Environmental Appraisal – A Practical Guide, Kluwer

Academic Publishers. The Netherlands

Munier, N. (2010). Evaluación del impacto ambiental, social y económico en grandes

proyectos con énfasis en la sostenibilidad– Metodología de evaluación – Tesina para

obtener la titulación de Master, UPV.

Munier, N. (2011). A Strategy for using Multicriteria Analysis in Decision-Making - A

Guide for Simple and Complex Environmental Projects- Springer, Dordrecht, The

Netherlands

Nigim, K., Munier, N., Green, J. (2004). Pre-feasibility MCDM tools to aid

communities in prioritizing local viable renewable energy sources. Renewable

Energy 29 (2004) 1775–1791

Noble, B. (2002). Strategic environmental assessment of Canadian energy policy.

Impact Assessment and Projecr Appraisal, September 2002

Piantanakulchai, M. (2003). Analytical Network Process Model for Highway Corridor

Planning - ISAHP 2005, Honolulu, Hawaii, July 8-10, 2003

Pittsburgh Area Transportation Project (1999). A note on the selected multicriteria

decision - Methods and their applications. Katz Graduate School of Business

University of Pittsburgh

Romero, C. (1996 a). Análisis de las decisiones multicriterio. Isdefe, Madrid

Romero, C (1996 b). ELECTRE application for the selection of a fighter bomber

aircraft. Análisis de las decisiones multicriterio. Isdefe, Madrid

Romero, C. (1991). Handbook of Critical Issues in Goal Programming. Pergamon

Press, Oxford

Roy, B. (1968). Classement et choix en présence de points de vue multiples (la méthode

Electre). Rev. Fr. Inf. Rech. Oper. 2 (8) p.–75

Roy, B. (1985). Methodologie multicritere d‟aide a la decision – Economica, Paris.

Saaty, T. (1977). A scaling method for priorities in hierarchical structures. Scandinavian

Journal of Forest Research. 15: 234-281




113

Saaty, T. (1980): Multicriteria Decision Making - The Analytic Hierarchy Process,

McGraw-Hill, Nueva York

Saaty, R. (2003) Decision making in complex environments -The Analytic Network

Process (ANP) for Dependence and Feedback –Rozann W. Saaty

Sawaragi Y., Nakamori Y. (1992). Shinayakana Systems Approach in Modeling and

Decision Support. Proceedings of the 10th International Conference on Multiple

Criteria Decision Making, v. 1. Pp. 77-87. Taipei

Shannon, C.E. (1948) Mathematical Theory of Communication, The Bell System

Technical Journal, Vol. 27, pp. 379–423, 623–656, July, October, 1948

Steuer, R. (1989). Multiple criteria optimization: Theory, computation and application.

Krieger Publishing Company, Malabar (1989)

Tasca, L. (2006)). Tesis doctoral, Universidad de Milano

Treitz, M, Schollenberger, H., Schrader, B., Gelderman, J., Rentz, O. (2005) Multi-

Criteria Decision Support for Integrated Technique Assessment. Paper, University of

Karlsruhe, Germany

Triantaphyllou, E. (2002). Multi –Criteria Decision Making Methods: A Comparative

Study. Kluwer Academic Publishers, Dordrecht, The Netherlands.

Triantaphyllou, E., Mann, S. (1989). An examination of the effectiveness of multi-

dimensional decision making methods: A decision-making paradox. Decision

Support Systems. Volume 5, Issue 3

Universidad de Carnegie Mellon -EIO-LCA: Free, Fast, Easy Life Cycle Assessment

http://www.eiolca.net/ [Consultado: Febrero 11, 2011]

Vaidya, O., Kumar, S., (2006) Analytic hierarchy process: An overview of applications.

European Journal of Operations Research, 169 (2006) 1-29

Vincke, P. (1992). Multicriteria Decision Aid – John Wiley, Nueva York

Vreeker, R., Nijkamp, P, Ter Welle, C. (2001). A multicriteria decision support

methodology for evaluating airport expansion plans. Tinbergen Institute, Amsterdam

Warner, L., Diab, R. (2002). Use of geographic information systems in an

environmental impact assessment of an overhead power line. Impact Assessment and

Project Appraisal, Volume 20, Number 1, 1 March 2002, pp. 39-47(9)

http://www.eiolca.net/

http://www.ingentaconnect.com/content/beech/iapa;jsessionid=1mra0966ds6me.alice

http://www.ingentaconnect.com/content/beech/iapa;jsessionid=1mra0966ds6me.alice

114

Warren, L. (2009). Uncertainties in the Analytic Hierarchy Process. AR-013-275

<http://biblioteca.universia.net/irARecurso.do?page=http%3A%2F%2Fhdl.handle.ne

t%2F1947%2F3553&id=42429362N9505/23/57DSTO-TN-0597JTW 02/304>.

[Consultado: 10 de octubre de 2010]

Wolfslehner, B. (2002). Potentials and limitations of multi-criteria analysis methods in

assessing sustainable forest management – Internal paper – Department of Forest

and Soil Sciences, Institute of Silviculture, University of Natural Resources and

Applied Life Sciences, Peter-Jordanstr. 82, Vienna, Austria.

Yi-Chun, K (2008). Linear Programming Applications. Essays

24.com.Papers.com<http://www.oppapers.com/essays/Linear-Programming-

Applications/276402> [Consultado: 02 de abril de 2011].

Zak, C., Wlodarczak, H., Kicinski, M.(2009). The MCDM Based redesign of the

Distribution System

< http://www.iasi.cnr.it/ewgt/13conference/119_zak.pdf>. [Consultado: 19 de junio

de 2010]

Zavala,J., Cruz, M.A.,Vanoye, J., Cruz, M.H. (2007). Modelo Matemático

Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana

de Valores http://www.uaem.mx/posgrado/mcruz/paper6.pdf

[Consultado: 03 de abril de 2011]

Zeleny, M. (2000). New frontiers of decision making for the information technology

era. Published by Yong Shi (University of Nebraska, Omaha & Milan Zeleny

(Fordham University, New York)

Zeleny, M (1974). Linear multi-objective programming – LNEMS 95, Springer, Berlin

Ziara, M. (2002). Strategic implementation of infrastructure priority projects: Case

study in Palestine, Centre for Engineering and Planning (CEP)- Palestine

http://biblioteca.universia.net/irARecurso.do?page=AR-013-275&id=42429362

http://biblioteca.universia.net/irARecurso.do?page=http%3A%2F%2Fhdl.handle.net%2F1947%2F3553&id=42429362



http://biblioteca.universia.net/irARecurso.do?page=DSTO-TN-0597&id=42429362

http://biblioteca.universia.net/irARecurso.do?page=DSTO-TN-0597&id=42429362

http://www.oppapers.com/essays/Linear-Programming-Applications/276402

http://www.oppapers.com/essays/Linear-Programming-Applications/276402

http://www.iasi.cnr.it/ewgt/13conference/119_zak.pdf

http://www.uaem.mx/posgrado/mcruz/paper6.pdf

115

ARTÍCULOS PUBLICADOS EN EL COMPENDIO

1. Methodology to select a set of urban sustainability indicators to measure the

state of the city, and performance assessment

N. Munier

Publicado por: Ecological Indicators 11 (2011) 1020–1026

2. Economic growth and sustainable development: could multicriteria analysis be used

to solve this dichotomy?

Nolberto Munier

Publicado por: Environment, Development and Sustainability (2005) 00:1–20

3. Pre-feasibility MCDM tools to aid communities in prioritizing local viable

renewable energy sources

K. Nigim, N. Munier, J. Green

Publicado por: Renewable Energy, 29 (2004) 1775-1791

Documents

Universitat Politècnica de València Programa de Doctorado ...digital.csic.es/bitstream/10261/132708/1/Tesis-Nolberto.pdf · 1961), el Simplex Multicriterio (Steuer, 1989), el método